Storlekar

Just nu är spridningsdiagrammet bara ett moln av blå punkter som inte går att skilja från varandra. Nu ska vi ändra på det. Det vore praktiskt om punkternas storlek motsvarar befolkningsmängden!

För att åstadkomma detta finns listan pop inläst i din arbetsyta. Den innehåller befolkningstal för varje land uttryckta i miljoner. Du kan se att listan läggs till i scatter-metoden som argumentet s, för storlek.

Den här övningen är en del av kursen

Intermediate Python

Visa kurs

Övningsinstruktioner

Kör skriptet för att se hur diagrammet förändras.
Det ser bra ut, men om du ökar bubbelstorlekar blir skillnaderna tydligare.
- Importera paketet numpy som np.
- Använd np.array() för att skapa en NumPy-array från listan pop. Ge NumPy-arrayen namnet np_pop.
- Fördubbla värdena i np_pop genom att sätta np_pop lika med np_pop * 2. Eftersom np_pop är en NumPy-array kommer varje element att fördubblas.
- Ändra argumentet s i plt.scatter() till np_pop i stället för pop.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import numpy as np


# Store pop as a numpy array: np_pop


# Double np_pop


# Update: set s argument to np_pop
plt.scatter(gdp_cap, life_exp, s = pop)

# Previous customizations
plt.xscale('log') 
plt.xlabel('GDP per Capita [in USD]')
plt.ylabel('Life Expectancy [in years]')
plt.title('World Development in 2007')
plt.xticks([1000, 10000, 100000],['1k', '10k', '100k'])

# Display the plot
plt.show()

Redigera och kör kod