为颜色选择合适的变量进行编码

您的任务是可视化 Long Beach 及周边城市的污染值随时间的变化。提供的代码生成了下方这个（难以阅读的图），其中包含按城市着色的最大污染值（存于 max_pollutant_values）。

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

您可以通过一些小改动快速改进它。首先，将展示的城市限制为仅包含美国西部的城市，以减少杂乱。接着，将颜色编码从 city 切换为 year，这样就能使用序数调色板，读者就不必不断查看图例来确认颜色对应的城市。

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

从 cities 向量中移除 'Indianapolis'、'Des Moines'、'Cincinnati'、'Houston'。
交换 city 和 year 变量的编码。
使用 'BuGn' ColorBrewer 调色板，为新的序数变量进行合适的颜色映射。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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()

编辑并运行代码