Bandes à 90 et 95 %
Vous examinez la moyenne mobile sur 40 jours des niveaux de NO2 pour la ville de Cincinnati en 2013. Pour donner le portrait le plus détaillé possible de l'incertitude dans la tendance, vous voulez afficher les intervalles à 90 % et à 99 % autour de cette estimation mobile.
Pour ce faire, définissez vos deux tailles d'intervalle et une palette de couleurs ordinales orange. De plus, pour permettre une lecture précise des bandes, rendez-les semi-transparentes afin que la grille d'arrière-plan de Seaborn soit visible.
Cette activité fait partie du cours
Améliorer vos visualisations de données en Python
Instructions de l’exercice
- Réglez l'opacité des intervalles à 40 %.
- Calculez les bornes inférieure et supérieure de confiance.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
int_widths = ['90%', '99%']
z_scores = [1.67, 2.58]
colors = ['#fc8d59', '#fee08b']
for percent, Z, color in zip(int_widths, z_scores, colors):
# Pass lower and upper confidence bounds and lower opacity
plt.fill_between(
x = cinci_13_no2.day, alpha = ____, color = color,
y1 = cinci_13_no2['mean'] ____ ____*cinci_13_no2['std_err'],
y2 = cinci_13_no2['mean'] ____ ____*cinci_13_no2['std_err'],
label = percent)
plt.legend()
plt.show()