等距分级着色图
在上一个练习中，我们绘制了树木密度的地图。现在，既然您已经更了解分级着色图，我们将更深入地探索这一可视化。
首先，让我们对比两种方式的效果：直接使用树木数量，和按行政区面积标准化后的树木数量（树木密度）。 其次，我们将不再使用连续色带，而是为该地图创建一个等距分级版本。这个分类算法会把取值范围平均分成若干区间，并为每个区间分配一种颜色。
district_trees GeoDataFrame（上一个练习的最终结果）已经加载。它包含变量 n_trees_per_area，用于按行政区衡量树木密度（注意该变量已乘以 10,000）。
本练习是课程的一部分
在 Python 中处理地理空间数据
练习说明
- 使用
'n_trees'变量为多边形着色并绘图。同时通过legend关键字显示图例。 - 使用
'n_trees_per_area'变量重复同样的绘图。您能看到差异吗？ - 使用
'n_trees_per_area'变量并采用等距分级方案生成一幅分级着色图。同样，请添加图例。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Print the first rows of the tree density dataset
print(districts_trees.head())
# Make a choropleth of the number of trees
districts_trees.plot(____, ____)
plt.show()
# Make a choropleth of the number of trees per area
districts_trees.plot(____, ____)
plt.show()
# Make a choropleth of the number of trees
districts_trees.plot(____, ____, ____)
plt.show()