为有序类别着色

您正在为得梅因市议会评估城市中各类污染物水平之间的关联。最重要的两种污染物是 SO₂ 和 NO₂，但 CO 也值得关注。报告中分配给您的空间只够放下一个图。

您先绘制 SO₂ 和 NO₂ 的散点图，因为它们最重要；随后决定用颜色刻度来表示 CO 的取值，对应 CO 的四分位数。通过将连续的 CO 数值分箱，您把 CO 转换成了一个有序变量，这样既能揭示整体模式，又能避免观众为分辨细微色差而费力。

本练习是课程的一部分

用 Python 提升数据可视化

查看课程

练习说明

使用 qcut() 将 'CO' 按四分位数分箱。
将散点图的颜色映射到新的四分位列。
将 palette 更改为 ColorBrewer 调色板 'GnBu'。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Divide CO into quartiles
pollution['CO quartile'] = pd.qcut(pollution['CO'], q = ____, labels = False)

# Filter to just Des Moines
des_moines = pollution.query("city  ==  'Des Moines'")

# Color points with by quartile and use ColorBrewer palette
sns.scatterplot(x = 'SO2',
                y = 'NO2',
                ____ = '____', 
                  data = des_moines,
                palette = '____')
plt.show()

编辑并运行代码