Автоматизируйте визуализацию

Одно из главных преимуществ Matplotlib — возможность автоматической адаптации к входным данным. Например, если вы получаете данные с заранее неизвестным количеством категорий, вы всё равно можете построить столбчатую диаграмму с отдельным столбцом для каждой из них.

Именно это вы и сделаете в данном упражнении. Вы снова будете работать с данными о победителях медальных соревнований на летних Олимпийских играх 2016 года, но на этот раз набор данных будет содержать неизвестное количество видов спорта. Данные загружены в память как объект DataFrame библиотеки pandas с именем summer_2016_medals. В нём есть столбец "Sport", указывающий вид спорта для каждой строки, а также столбец "Weight" с весом каждого спортсмена.

Это упражнение является частью курса

Введение в визуализацию данных с Matplotlib

Посмотреть курс

Инструкции к упражнению

Переберите значения из sports, используя sport в качестве переменной цикла.
На каждой итерации извлекайте строки, в которых столбец "Sport" равен sport.
Добавьте столбец в объект ax, подписав его названием вида спорта; высота столбца должна соответствовать среднему значению столбца "Weight", а планка погрешности по оси Y — стандартному отклонению.
Сохраните рисунок в файл "sports_weights.png".

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

fig, ax = plt.subplots()

# Loop over the different sports branches
for ____ in ____:
  # Extract the rows only for this sport
  sport_df = ____
  # Add a bar for the "Weight" mean with std y error bar
  ____

ax.set_ylabel("Weight")
ax.set_xticklabels(sports, rotation=90)

# Save the figure to file
____

Редактировать и запускать код