Colorindo categorias ordinais

Você está trabalhando para o conselho municipal de Des Moines para avaliar as associações entre diversos níveis de poluentes na cidade. Os dois poluentes mais importantes são SO₂ e NO₂, mas CO também é de interesse. Você só tem espaço suficiente para um único gráfico na sua parte do relatório.

Você começa com um gráfico de dispersão dos valores de SO₂ e NO₂, já que são os mais importantes, e então decide mostrar os valores de CO usando uma escala de cores correspondente aos quartis de CO. Ao agrupar os valores contínuos de CO em classes, você transformou CO em uma variável ordinal que pode revelar padrões gerais sem exigir muito esforço da pessoa que vê o gráfico para comparar tons sutilmente diferentes.

Este exercicio faz parte do curso

Aprimorando suas visualizações de dados em Python

Ver curso

Instruções do exercicio

Configure a função qcut() para dividir 'CO' em quartis.
Mapeie a cor do seu gráfico de dispersão para a nova coluna de quartil.
Altere a palette para a paleta do ColorBrewer 'GnBu'.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# Divide CO into quartiles
pollution['CO quartile'] = pd.qcut(pollution['CO'], q = ____, labels = False)

# Filter to just Des Moines
des_moines = pollution.query("city  ==  'Des Moines'")

# Color points with by quartile and use ColorBrewer palette
sns.scatterplot(x = 'SO2',
                y = 'NO2',
                ____ = '____', 
                  data = des_moines,
                palette = '____')
plt.show()

Editar e Executar Código