शुरू करेंमुफ़्त में शुरू करें

बहुत सारे बूटस्ट्रैप्स और बीस्वॉर्म्स

Cincinnati के मौजूदा निवासी होने के नाते, आप यह देखने के इच्छुक हैं कि औसत NO2 मान Des Moines, Indianapolis, और Houston से कैसे तुलना करते हैं — ये वे कुछ शहर हैं जहाँ आप पहले रह चुके हैं.

इसे देखने के लिए, आप प्रत्येक शहर के औसत NO2 मान का अनुमान लगाने हेतु bootstrap estimation का उपयोग करने का निर्णय लेते हैं। क्योंकि यहाँ मुख्य रुचि तुलना में है, आप अनुमानों की तुलना करने के लिए एक swarm plot का उपयोग करेंगे.

Bootstrap resampling करने के लिए स्लाइड्स में दिखाई गई bootstrap() फंक्शन के साथ DataFrame pollution_may उपलब्ध है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में अपनी डेटा विज़ुअलाइज़ेशन बेहतर करें

पाठ्यक्रम देखें

अभ्यास निर्देश

  • हर city_NO2 वेक्टर पर bootstrap resampling चलाएँ.
  • शहर का नाम bootstrap DataFrame cur_boot में एक कॉलम के रूप में जोड़ें.
  • रंग-आकार समस्या से बचने के लिए सभी swarm plot पॉइंट्स का रंग 'coral' रखें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Initialize a holder DataFrame for bootstrap results
city_boots = pd.DataFrame()

for city in ['Cincinnati', 'Des Moines', 'Indianapolis', 'Houston']:
    # Filter to city
    city_NO2 = pollution_may[pollution_may.city  ==  city].NO2
    # Bootstrap city data & put in DataFrame
    cur_boot = pd.DataFrame({'NO2_avg': bootstrap(____, 100), 'city': ____})
    # Append to other city's bootstraps
    city_boots = pd.concat([city_boots,cur_boot])

# Beeswarm plot of averages with citys on y axis
sns.swarmplot(y = "city", x = "NO2_avg", data = city_boots, ____ = '____')

plt.show()
कोड संपादित करें और चलाएँ