按通勤方式划分的出行时间热力图

在本练习中，您将创建一个全国数据的热力图，用于比较通勤时间（分钟）与出行方式。您从 data_row 开始，这是来自 JSON API 响应对象单行数据的值列表。已为出行 modes（5 个）和通勤 times（9 个）创建列表，并已打印到控制台。您需要将这单行数据重塑为列表的列表，构建可传入 sns.heatmap 的 DataFrame，并绘制热力图。

该数据行包含 5 种出行方式的数据，每种方式对应一组 9 个通勤时间。一次迭代即为一整组通勤时间。

已按常用别名加载 pandas 和 seaborn。

本练习是课程的一部分

使用 Python 分析美国人口普查数据

查看课程

练习说明

将 iter_len 设为 times 列表的长度
在列表推导中，构造一个范围：起始为 0，结束为 data_row 的长度，步长为 iter_len
使用 commuting DataFrame 作为第一个参数构建热力图；在热力图上标注以千为单位的通勤人数（使用整除将其除以 1000）

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Set iter_len to the number of commute times
iter_len = ____

# Break row into list of lists by travel mode
data = [data_row[i:i+iter_len] for i in range(____)]

# Create DataFrame, set data type to int
commuting = pd.DataFrame(data=data, index=modes, columns=times)
commuting = commuting.astype(int)

# Create heatmap of commuters by mode by income
sns.heatmap(____, annot=____, fmt = "d", cmap="YlGnBu")
plt.xticks(rotation = 50)
plt.yticks(rotation = 50)
plt.show()

编辑并运行代码