Przedziały 90% i 95%
Analizujesz 40-dniową średnią kroczącą poziomów zanieczyszczenia NO2 dla Cincinnati w 2013 roku. Aby jak najdokładniej zobrazować niepewność trendu, chcesz przedstawić zarówno przedziały 90%, jak i 99% wokół tej kroczącej estymaty.
W tym celu zdefiniuj dwa rozmiary przedziałów oraz pomarańczową porządkową paletę kolorów. Aby umożliwić precyzyjne odczytanie wartości pasm, nadaj im półprzezroczystość – dzięki temu przez pasma będzie widoczna siatka tła Seaborn.
To ćwiczenie jest częścią kursu
Ulepszanie wizualizacji danych w Pythonie
Instrukcje do ćwiczenia
- Ustaw nieprzezroczystość przedziałów na 40%.
- Oblicz dolną i górną granicę przedziałów ufności.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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()