Adnotowanie przedziałów ufności

Twoja praca z danymi o zanieczyszczeniu powietrza jest ceniona w branży i właśnie rozważasz oferty pracy w Cincinnati (Ohio) oraz Indianapolis (Indiana). Chcesz sprawdzić, czy poziomy SO₂ w tych dwóch miastach różnią się istotnie – a dokładniej, które miasto ma niższe wartości. W tym celu analizujesz różnice w poziomach SO₂ (Indianapolis minus Cincinnati) na przestrzeni wielu lat (dane dostępne jako diffs_by_year).

Zamiast ograniczać się do wyświetlenia wartości p dla istotnej różnicy między miastami, postanawiasz przyjrzeć się 95-procentowym przedziałom ufności (kolumny lower i upper) tych różnic. Dzięki temu możesz ocenić zarówno wielkość różnic, jak i ewentualne trendy na przestrzeni lat.

To ćwiczenie jest częścią kursu

Ulepszanie wizualizacji danych w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Podaj wartości graniczne (kolumny lower i upper) jako początki i końce przedziałów ufności w funkcji plt.hlines().
Ustaw grubość linii przedziałów na 5.
Narysuj linię pionową reprezentującą różnicę równą 0, używając funkcji plt.axvline().
Pokoloruj linię zerową na 'orangered', aby się wyróżniała.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Set start and ends according to intervals 
# Make intervals thicker
plt.hlines(y = 'year', xmin = '____', xmax = '____', 
           linewidth = ____, color = 'steelblue', alpha = 0.7,
           data = diffs_by_year)
# Point estimates
plt.plot('mean', 'year', 'k|', data = diffs_by_year)

# Add a 'null' reference line at 0 and color orangered
plt.axvline(x = ____, color = '____', linestyle = '--')

# Set descriptive axis labels and title
plt.xlabel('95% CI')
plt.title('Avg SO2 differences between Cincinnati and Indianapolis')
plt.show()

Edytuj i uruchom kod