Automatisera din visualisering
En av Matplotlibs största styrkor är att det går att automatisera så att det anpassar sig efter den data det tar emot. Om du till exempel får data med ett okänt antal kategorier kan du ändå skapa ett stapeldiagram med en stapel för varje kategori.
Det är precis det du ska göra i den här övningen. Du kommer att visualisera data om medaljvinnare vid sommar-OS 2016, men den här gången har datamängden ett okänt antal idrottsgrenar. Den laddas in i minnet som ett pandas DataFrame-objekt med namnet summer_2016_medals, vilket har en kolumn kallad "Sport" som anger vilken idrottsgren varje rad tillhör. Det finns också en kolumn kallad "Weight" som anger vikten för varje idrottare.
Den här övningen är en del av kursen
Introduktion till datavisualisering med Matplotlib
Övningsinstruktioner
- Iterera över värdena i
sportsmedsportsom loopvariabel. - Extrahera i varje iteration de rader där kolumnen
"Sport"är lika medsport. - Lägg till en stapel i det angivna
ax-objektet, märkt med idrottsgrensnamnet, med medelvärdet av kolumnen"Weight"som höjd och standardavvikelsen som ett felstapel längs y-axeln. - Spara figuren i filen
"sports_weights.png".
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
fig, ax = plt.subplots()
# Loop over the different sports branches
for ____ in ____:
# Extract the rows only for this sport
sport_df = ____
# Add a bar for the "Weight" mean with std y error bar
____
ax.set_ylabel("Weight")
ax.set_xticklabels(sports, rotation=90)
# Save the figure to file
____