НачатьНачать бесплатно

Программное создание выделения

Вы продолжаете работу для города Хьюстон. Теперь нужно изучить поведение NO2 и SO2 в моменты, когда значение озона (O3), не отображённого на графике, достигало максимума.

Для этого замените логику в текущем списковом включении на ту, которая сравнивает значение O3 в каждой строке с наибольшим наблюдаемым значением O3 в наборе данных. Примечание: используйте sns.scatterplot() вместо sns.regplot(). Это связано с тем, что sns.scatterplot() принимает нецветовой вектор в качестве аргумента hue и автоматически окрашивает точки, отображая удобную легенду.

Это упражнение является частью курса

Улучшение визуализации данных в Python

Посмотреть курс

Инструкции к упражнению

  • Найдите значение, соответствующее наибольшему наблюдаемому значению O3 в DataFrame houston_pollution. Убедитесь, что вводите букву O, а не цифру ноль!
  • Добавьте столбец 'point_type' в DataFrame houston_pollution, чтобы отметить строки с наибольшим наблюдаемым значением O3.
  • Передайте этот новый столбец в аргумент hue функции sns.scatterplot(), чтобы окрасить точки.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

houston_pollution = pollution[pollution.city  ==  'Houston'].copy()

# Find the highest observed O3 value
max_O3 = houston_pollution.O3.____

# Make a column that denotes which day had highest O3
houston_pollution['____'] = ['Highest O3 Day' if ____  ==  ____ else 'Others' for O3 in houston_pollution.O3]

# Encode the hue of the points with the O3 generated column
sns.scatterplot(x = 'NO2',
                y = 'SO2',
                hue = '____',
                data = houston_pollution)
plt.show()
Редактировать и запускать код