Je hebt een dataset met maandelijkse verkoopcijfers voor het afgelopen jaar en wilt deze combineren met externe gegevens over de dagelijkse weersomstandigheden tijdens dezelfde periode. Variabelen koppelen: - Uit je hoofdgegevensset: maandelijkse verkoopcijfers (bijvoorbeeld: maand, totaalverkoop) - Uit de externe gegevensbron: dagelijkse weersomstandigheden (bijvoorbeeld: datum, temperatuur, neerslag, wind) Voor het koppelen: - Converteer de maandelijkse verkoopgegevens naar een dag- of weekniveau, of maak aggregaties van de weersgegevens per maand. - Koppel de gegevens op basis van de datum of maand, afhankelijk van de detailniveau van je analyse. Voorbeeldwaarde: - Bijvoorbeeld, de gemiddelde temperatuur of neerslag per maand gekoppeld aan de maandelijkse verkoopcijfers. Soort visualisatie: - Een Seaborn-visualisatie die de maandelijkse verkoopcijfers toont, bijvoorbeeld met een lijngrafiek of barplot. - Daarnaast kun je de weersomstandigheden als extra variabele visualiseren, bijvoorbeeld door de gemiddelde temperatuur of neerslag per maand als een overlay toe te voegen, of door een gecombineerde grafiek te maken die zowel de verkoop- als weersgegevens weergeeft. Specifieke stijlvoorkeuren: - Geef de weersomstandigheden een duidelijke visuele representatie, bijvoorbeeld met gekleurde lijnen of schaduwen, zodat je inzicht krijgt in de relatie tussen weersomstandigheden en verkoopprestaties. Kortom: Gebruik Seaborn om een grafiek te maken die de maandelijkse verkoopcijfers visualiseert en voeg de externe weersgegevens toe als aanvullende variabelen, zodat je inzicht krijgt in de impact van het weer op je verkoopcijfers.

Beste gebruiker, ik zie dat u een Seaborn-visualisatie wilt maken die uw maandelijkse verkoopcijfers combineert met weersgegevens. Hier is een gedetailleerd voorstel in het Nederlands: **Te koppelen variabelen:** - Tijdsperiode (maand/datum) als gemeenschappelijke sleutel - Verkoopbedrag/hoeveelheid uit uw hoofddataset - Temperatuur, neerslag, zonuren uit weersdata **Aanbevolen visualisatie:** Een combinatiediagram met: - Lijngrafiek voor maandelijkse verkoopcijfers (hoofdas) - Gegroepeerde staafdiagram voor weersvariabelen (secundaire as) - Kleurcodering per seizoen **Stapsgewijze aanpak:** 1. Data-integratie: Merge verkoop- en weersdata op datum 2. Maak een facetgrid met subplots per seizoen 3. Gebruik kleurpalet: - Verkooplijn: '#E74C3C' (warm rood) - Weerstaven: '#3498DB' (temperatuur), '#2ECC71' (neerslag) 4. Stijl: `sns.set_style("whitegrid")` **Specifieke aanpassingen:** - Tweede Y-as voor weersschaal - Maandlabels op X-as geroteerd voor leesbaarheid - Trendlijn voor verkoop met `sns.regplot()` - Weersindicatoren als gegroepeerde bars naast elkaar **Voorbeeldcode-fragment:** ```python fig, ax1 = plt.subplots(figsize=(12,6)) ax2 = ax1.twinx() sns.lineplot(data=merged_data, x='maand', y='verkoop', ax=ax1, color='#E74C3C') sns.barplot(data=merged_data, x='maand', y='temperatuur', ax=ax2, alpha=0.5) ``` Deze visualisatie laat directe correlaties zien tussen verkooppieken en weersomstandigheden, met professionele opmaak volgens Seaborn-standaarden.