Spousta bootstrapů v beeswarm grafu

Jako obyvatel Cincinnati tě zajímá, jak průměrné hodnoty NO₂ v tomto městě srovnají s Des Moines, Indianapolis a Houstonem – tedy s dalšími městy, ve kterých jsi žil/a.

Rozhodneš se použít bootstrapový odhad ke zjištění průměrných hodnot NO₂ pro každé město. Protože tě zajímá především vzájemné porovnání, použiješ k vizualizaci odhadů swarm plot.

K dispozici máš DataFrame pollution_may a funkci bootstrap() z ukázkových snímků, která slouží k provedení bootstrapového převzorkování.

Toto cvičení je součástí kurzu

Vylepšení datových vizualizací v Pythonu

Zobrazit kurz

Pokyny k cvičení

Proveď bootstrapové převzorkování pro každý vektor city_NO2.
Přidej název města jako sloupec do bootstrapového DataFramu cur_boot.
Nastav barvu všech bodů swarm plotu na 'coral', aby ses vyhnul/a problému s velikostí barev.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Initialize a holder DataFrame for bootstrap results
city_boots = pd.DataFrame()

for city in ['Cincinnati', 'Des Moines', 'Indianapolis', 'Houston']:
    # Filter to city
    city_NO2 = pollution_may[pollution_may.city  ==  city].NO2
    # Bootstrap city data & put in DataFrame
    cur_boot = pd.DataFrame({'NO2_avg': bootstrap(____, 100), 'city': ____})
    # Append to other city's bootstraps
    city_boots = pd.concat([city_boots,cur_boot])

# Beeswarm plot of averages with citys on y axis
sns.swarmplot(y = "city", x = "NO2_avg", data = city_boots, ____ = '____')

plt.show()

Upravit a spustit kód