Tracer les marges d’erreur dans le temps

Dans cet exercice, vous allez examiner l’évolution des prix des logements à Philadelphie (PA) à l’aide d’un graphique en lignes avec barres d’erreur. Les données proviennent de l’ACS, échantillon 1 an, Table 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. (Consultez le DataFrame dans la console.)

pandas a été importé sous le nom pd.

Cet exercice fait partie du cours

Analyzing US Census Data in Python

Afficher le cours

Instructions

Importez matplotlib.pyplot avec l’alias plt
Créez la colonne rmoe (pour stocker la MOE relative de la valeur médiane des logements) en tant que 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 sur "year" ; définissez le second argument sur le nom de la colonne de valeur médiane des logements ; définissez le paramètre yerr sur la colonne de MOE de la valeur médiane des logements ; enfin, passez l’argument data au DataFrame philly

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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