Визуализация погрешностей измерения во времени
В этом упражнении вы изучите динамику цен на жильё в Филадельфии, штат Пенсильвания, построив линейный график с полосами погрешностей. Данные взяты из таблицы ACS 1-year sample B25077. Оценки и погрешности измерения для каждого года с 2011 по 2017 были загружены и объединены в DataFrame pandas под названием philly. Переменные таблицы ACS для оценки и погрешности переименованы в median_home_value и median_home_value_moe соответственно. (Ознакомьтесь с DataFrame в консоли.)
pandas импортирован под псевдонимом pd.
Это упражнение является частью курса
Анализ данных переписи населения США в Python
Инструкции к упражнению
- Импортируйте
matplotlib.pyplotпод псевдонимомplt - Создайте столбец
rmoe(для хранения относительной погрешности медианной стоимости жилья): умножьте столбец погрешности на100и разделите на столбец оценки - С помощью
printвыведите DataFrame, чтобы проверить относительную погрешность - Постройте график с полосами погрешностей: укажите в качестве первого аргумента
"year", в качестве второго — название столбца медианной стоимости жилья, задайте параметрyerrравным столбцу погрешности медианной стоимости жилья и установите аргументdataравным DataFramephilly
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Import graphics packages
import seaborn as sns
sns.set()
____
# Calculate and inspect Relative Margin of Error
philly["rmoe"] = ____
____
# Create line plot with error bars of 90% MOE
plt.errorbar(____, ____, yerr = ____, data = ____)
plt.show()