Skapa ett JointGrid och jointplot
Seaborns JointGrid kombinerar univariata diagram som histogram, rug plots och kde-diagram
med bivariata diagram som spridningsdiagram och regressionsdiagram. Processen för att skapa dessa diagram
bör kännas bekant vid det här laget. Diagrammen illustrerar också hur Seaborn erbjuder smidiga
funktioner för att kombinera flera diagram i en vy.
I dessa övningar använder vi cykeluthyrningsdata som vi tittade på tidigare. I den här övningen undersöker vi sambandet mellan luftfuktighet och totalt antal uthyrningar för att se om det finns något intressant mönster att utforska vidare.
Den här övningen är en del av kursen
Datavisualisering med Seaborn – fortsättningskurs
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Build a JointGrid comparing humidity and total_rentals
sns.___("whitegrid")
g = sns.___(___="hum",
___="total_rentals",
data=df,
xlim=(0.1, 1.0))
g.plot(sns.___, sns.histplot)
plt.show()
plt.clf()