BaşlayınÜcretsiz Başlayın

Renge kodlamak için doğru değişkeni seçmek

Zaman içinde Long Beach ve yakın şehirler için kirlilik değerlerini görselleştirmen isteniyor. Verilen kod, çubukların şehre göre renklendirildiği (okuması zor) aşağıdaki grafiği oluşturuyor; bu grafik, maksimum kirlilik değerlerinden (max_pollutant_values) oluşuyor.

Mutlicolor and busy bar plots with four rows corresponding to the four pollutants in dataset

Bunu birkaç küçük dokunuşla hızla iyileştirebilirsin. Gösterilen şehirleri ülkenin batı yarısındakilerle sınırlandırarak kalabalığı azaltırsın. Sonrasında, renk kodlamasını city yerine year olarak değiştirmek sıralı bir palet kullanmana olanak tanır; böylece okur, hangi rengin hangi şehre karşılık geldiğini sürekli olarak başvuru tablosundan kontrol etmek zorunda kalmaz.

Bu egzersiz

Python'da Veri Görselleştirmelerini İyileştirme

kursunun bir parçasıdır
Kursu Görüntüle

Egzersiz talimatları

  • cities vektöründen 'Indianapolis', 'Des Moines', 'Cincinnati', 'Houston' öğelerini kaldır.
  • city ve year değişkenlerinin kodlamalarını birbiriyle değiştir.
  • Yeni sıralı değişken için renkleri uygun şekilde eşlemek üzere 'BuGn' ColorBrewer paletini kullan.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# 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()
Kodu Düzenle ve Çalıştır