Grubość pasm zamiast kolorowania

Jesteś badaczem analizującym wysokość, na jakiej rakieta znika z pola widzenia, oraz poziomy zanieczyszczeń w bazie lotniczej Vandenberg. Zbudowany przez ciebie model opisujący tę zależność jest przechowywany w DataFrame rocket_height_model. Ponieważ pracujesz niezależnie, nie możesz sobie pozwolić na kolorowe ryciny w artykule naukowym. Musisz sprawić, by wykres wyników modelu działał w czerni i bieli. W tym celu przedstawisz przedziały 90%, 95% i 99% efektu każdego zanieczyszczenia jako kolejno cieńsze linie.

To ćwiczenie jest częścią kursu

Ulepszanie wizualizacji danych w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Użyj grubości 15 dla przedziału 90%, 10 dla 95% i 5 dla 99%.
Przekaż wartość grubości linii do plt.hlines().
Ustaw kolor linii na 'gray', aby zmniejszyć kontrast.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Decrase interval thickness as interval widens
sizes =      [    ____,  ____,  ____]
int_widths = ['90% CI', '95%', '99%']
z_scores =   [    1.67,  1.96,  2.58]

for percent, Z, size in zip(int_widths, z_scores, sizes):
    plt.hlines(y = rocket_model.pollutant, 
               xmin = rocket_model['est'] - Z*rocket_model['std_err'],
               xmax = rocket_model['est'] + Z*rocket_model['std_err'],
               label = percent, 
               # Resize lines and color them gray
               linewidth = ____, 
               color = '____') 
    
# Add point estimate
plt.plot('est', 'pollutant', 'wo', data = rocket_model, label = 'Point Estimate')
plt.legend(loc = 'center left', bbox_to_anchor = (1, 0.5))
plt.show()

Edytuj i uruchom kod