Kom igångKom igång gratis

Skapa en markering programmatiskt

Du fortsätter ditt arbete för staden Houston. Nu vill du undersöka hur både NO2 och SO2 beter sig när det oplotade ozonvärdet (O3) är som högst.

Byt ut logiken i den nuvarande list comprehension mot en som jämför en rads O3-värde med det högsta observerade O3-värdet i datamängden. Obs: använd sns.scatterplot() i stället för sns.regplot(). Det beror på att sns.scatterplot() kan ta en vektor som inte är en färg som hue-argument och färglägger punkterna automatiskt, samt visar en förklarande legend.

Den här övningen är en del av kursen

Förbättra dina datavisualiseringar i Python

Visa kurs

Övningsinstruktioner

  • Hitta värdet som motsvarar det högsta observerade O3-värdet i DataFrame:n houston_pollution. Var noga med att skriva bokstaven O och inte siffran noll!
  • Lägg till kolumnen 'point_type' i DataFrame:n houston_pollution för att markera om raden innehåller det högsta observerade O3-värdet.
  • Skicka den nyligen skapade kolumnen till hue-argumentet i sns.scatterplot() för att färglägga punkterna.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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()
Redigera och kör kod