Tracer les marges d'erreur dans le temps

Dans cet exercice, vous allez examiner l'évolution des prix des maisons à Philadelphie (PA) à l'aide d'un graphique linéaire avec barres d'erreur. Les données proviennent de la table ACS à échantillon sur 1 an B25077. Les estimations et la marge d'erreur pour chaque année de 2011 à 2017 ont été téléchargées puis concaténées dans un DataFrame pandas nommé philly. Les variables de la table ACS pour l'estimation et la marge d'erreur ont été renommées respectivement median_home_value et median_home_value_moe. (Voyez le DataFrame dans la console.)

pandas a été importé sous l'alias pd.

Cette activité fait partie du cours

Analyser les données du recensement des États-Unis avec Python

Voir le cours

Instructions de l’exercice

Importez matplotlib.pyplot sous l'alias plt
Créez la colonne rmoe (pour contenir la MOE relative de la valeur médiane des maisons) comme 100 fois la colonne de marge d'erreur, divisée par la colonne d'estimation
Utilisez print sur le DataFrame pour examiner la MOE relative
Créez un graphique avec barres d'erreur : définissez le premier argument à "year" ; le deuxième argument au nom de la colonne de la valeur médiane des maisons ; le paramètre yerr à la colonne de la MOE de la valeur médiane des maisons ; enfin, passez l'argument data au DataFrame philly

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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()

Modifier et exécuter le code