Välj rätt variabel att koda med färg
Din uppgift är att visualisera föroreningsvärden för Long Beach och närliggande städer över tid. Koden som tillhandahålls genererar diagrammet nedan – som är svårläst – och visar maximala föroreningsvärden (tillgängliga som max_pollutant_values) med staplarna färgkodade efter stad.
Du kan snabbt förbättra det här med några justeringar. Genom att begränsa urvalet till städer i den västra delen av landet undviker du att diagrammet blir rörigt. Byt sedan färgkodning från city till year – det gör det möjligt att använda en ordinalpalett och slipper läsaren behöva återvända till förklaringsrutan för att kontrollera vilken färg som hör till vilken stad.
Den här övningen är en del av kursen
Förbättra dina datavisualiseringar i Python
Övningsinstruktioner
- Ta bort
'Indianapolis','Des Moines','Cincinnati'och'Houston'från vektorncities. - Byt plats på kodningarna för variablerna
cityochyear. - Använd ColorBrewer-paletten
'BuGn'för att mappa färgerna på ett lämpligt sätt för den nu ordinala variabeln.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Reduce to just cities in the western half of US
cities = ['Fairbanks', 'Long Beach', 'Vandenberg Air Force Base', 'Denver',
'Indianapolis', 'Des Moines', 'Cincinnati', 'Houston']
# Filter data to desired cities
city_maxes = max_pollutant_values[max_pollutant_values.city.isin(cities)]
# Swap city and year encodings
sns.catplot(x = 'year', hue = 'city',
y = 'value', row = 'pollutant',
# Change palette to one appropriate for ordinal categories
data = city_maxes, palette = 'muted',
sharey = False, kind = 'bar')
plt.show()