Representar márgenes de error a lo largo del tiempo

En este ejercicio vas a examinar cómo cambian los precios de la vivienda en Philadelphia, PA, usando un gráfico de líneas con barras de error. Los datos provienen de la tabla B25077 del ACS de muestra de 1 año. Las estimaciones y el margen de error para cada año de 2011 a 2017 se han descargado y concatenado en un DataFrame de pandas llamado philly. Las variables de la tabla del ACS para la estimación y el margen de error se han renombrado como median_home_value y median_home_value_moe, respectivamente. (Consulta el DataFrame en la consola.)

Se ha importado pandas como pd.

Este ejercicio forma parte del curso

Análisis de datos del Censo de EE. UU. con Python

Ver curso

Instrucciones del ejercicio

Importa matplotlib.pyplot con el alias plt
Crea la columna rmoe (para guardar el MOE relativo del valor mediano de la vivienda) como 100 veces la columna del margen de error dividida por la columna de la estimación
Usa print sobre el DataFrame para revisar el MOE relativo
Crea un gráfico con barras de error: pon como primer argumento "year"; como segundo argumento, el nombre de la columna del valor mediano de la vivienda; establece el parámetro yerr con la columna del MOE del valor mediano de la vivienda; por último, define el argumento data como el DataFrame philly

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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()

Editar y ejecutar código