Kom igångKom igång gratis

Färgsättning av ordinala kategorier

Du arbetar åt Des Moines stadsråd för att utvärdera sambanden mellan olika föroreningsnivåer i staden. De två viktigaste föroreningarna är SO2 och NO2, men även CO är av intresse. Du har bara fått utrymme för ett enda diagram i din del av rapporten.

Du börjar med ett spridningsdiagram över SO2- och NO2-värdena eftersom de är viktigast, och väljer sedan att visa CO-värdena med en färgskala baserad på CO:s kvartiler. Genom att dela upp de kontinuerliga CO-värdena i intervall omvandlar du CO till en ordinal variabel som kan belysa övergripande mönster utan att läsaren behöver ansträngta sig för att skilja subtilt olika nyanser åt.

Den här övningen är en del av kursen

Förbättra dina datavisualiseringar i Python

Visa kurs

Övningsinstruktioner

  • Ange att qcut()-funktionen ska dela upp 'CO' i kvartiler.
  • Koppla färgen i ditt spridningsdiagram till den nya kvartilkolumnen.
  • Ändra palette till ColorBrewer-paletten 'GnBu'.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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()
Redigera och kör kod