比较分类算法

在本章最后一个练习中，您将构建一个多地图图像，以便比较我们看到的两种变量分级着色方法。

您将依赖标准的 matplotlib 用法，创建包含两个子图的图像（坐标轴 axes[0] 和 axes[1]），并分别在其中显示等距分级和分位数分级的分级着色图。创建完成后，请通过视觉比较，探索分类算法对最终结果的影响差异。

本练习提供了一个名为 district_trees 的 GeoDataFrame 对象，其中包含变量 n_trees_per_area，表示各行政区的树木密度。

本练习是课程的一部分

在 Python 中处理地理空间数据

查看课程

练习说明

在第一个子图（axes[0]）上，使用等距分级方案为 'n_trees_per_area' 列制作分级着色图。请记得将 matplotlib 轴对象通过 ax 关键字传入。
在第二个子图（axes[1]）上，以相同方式使用分位数分级方案。与上一个图相同，设置标题，并移除边框和坐标轴标签，以获得更简洁的图像。

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 up figure and subplots
fig, axes = plt.subplots(nrows=2)

# Plot equal interval map
districts_trees.plot(____, ____, k=5, legend=True, ax=____)
axes[0].set_title('Equal Interval')
axes[0].set_axis_off()

# Plot quantiles map
districts_trees.plot(____, ____, k=5, legend=True, ax=____)
____.set_title('Quantiles')
____.set_axis_off()

# Display maps
plt.show()

编辑并运行代码