Wiele bootstrapów z wykresem roju
Mieszkasz w Cincinnati i chcesz porównać średnie wartości NO2 w tym mieście z Des Moines, Indianapolis i Houston – kilkoma innymi miastami, w których mieszkałeś(-aś).
Aby to zbadać, postanawiasz użyć metody bootstrap do oszacowania średnich wartości NO2 dla każdego miasta. Ponieważ głównym celem jest porównanie wyników, do ich wizualizacji użyjesz wykresu roju (swarm plot).
Do dyspozycji masz DataFrame pollution_may oraz funkcję bootstrap() z slajdów, służącą do przeprowadzenia próbkowania bootstrapowego.
To ćwiczenie jest częścią kursu
Ulepszanie wizualizacji danych w Pythonie
Instrukcje do ćwiczenia
- Przeprowadź próbkowanie bootstrapowe na każdym wektorze
city_NO2. - Dodaj nazwę miasta jako kolumnę w DataFrame bootstrapa,
cur_boot. - Ustaw kolor wszystkich punktów wykresu roju na
'coral', aby uniknąć problemu koloru i rozmiaru.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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()