Fehlerspannen im Zeitverlauf darstellen

In dieser Übung untersuchst du die Veränderung der Immobilienpreise in Philadelphia, PA, mit einem Liniendiagramm samt Fehlerspannen. Die Daten stammen aus der ACS 1‑Jahres‑Stichprobe, Tabelle B25077. Die Schätzwerte und die Fehlermargen für jedes Jahr von 2011 bis 2017 wurden heruntergeladen und zu einem pandas DataFrame namens philly zusammengeführt. Die Variablen der ACS‑Tabelle für Schätzwert und Fehlermarge wurden in median_home_value bzw. median_home_value_moe umbenannt. (Schau dir den DataFrame in der Konsole an.)

pandas wurde als pd importiert.

Diese Übung ist Teil des Kurses

Analyse von US-Volkszählungsdaten mit Python

Kurs anzeigen

Anleitung zur Übung

Importiere matplotlib.pyplot mit dem Alias plt
Erstelle die Spalte rmoe (für die relative Fehlermarge des Median‑Immobilienwerts) als 100 mal die Fehlermargenspalte geteilt durch die Schätzwertspalte
print den DataFrame, um die relative Fehlermarge zu prüfen
Erzeuge ein Fehlerbalkendiagramm: Setze das erste Argument auf "year"; setze das zweite Argument auf den Namen der Spalte mit dem Median‑Immobilienwert; setze den Parameter yerr auf die Spalte mit der Fehlermarge des Median‑Immobilienwerts; setze schließlich das Datenargument auf den DataFrame philly

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import graphics packages
import seaborn as sns
sns.set()
____

# Calculate and inspect Relative Margin of Error
philly["rmoe"] = ____
____

# Create line plot with error bars of 90% MOE
plt.errorbar(____, ____, yerr = ____, data = ____)
plt.show()

Code bearbeiten und ausführen