Kom igångKom igång gratis

Visualisera urval

Du såg att ett enskilt urval kan ge ett otillförlitligt punktestimat. För att undersöka detta väljer du att ta 100 urval av 90 på varandra följande dagars BTC-handelsdata. För vart och ett av dessa 100 urval beräknar du den procentuella förändringen i BTC under den tidsperioden. Därefter vill du visualisera denna data som ett histogram för att förstå samplingfördelningen.

Även om dessa visualiseringar kan skapas med plt.hist(), kommer du i den här övningen att öva på att använda argumentet .plot() på en DataFrame, tillsammans med argumenten bins och density.

De 100 urvalen av procentuell förändring har redan laddats in i btc_pct_change_list. Detta är en lista med 100 element där varje element är den procentuella förändringen i BTC för ett av de 100 valda urvalen. Matplotlib har också importerats som plt.

Den här övningen är en del av kursen

Grunderna i inferens med Python

Visa kurs

Övningsinstruktioner

  • Plotta ett histogram över BTCs procentuella förändring med 15 bins där y-värdena visar tätheten (density) i stället för antalet.
  • Sätt x-axelns etikett till "BTC 90-day percent change".
  • Sätt y-axelns etikett till "Percent of samples".
  • Sätt titeln till "Sampling distribution of BTC 90-day change".

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Plot a histogram of percent changes
plt.____(____, bins=____, density=____)
# Set the x-axis label
plt.____('BTC 90-day percent change')
# Set the y-axis label
plt.____('Percent of samples')
# Set the title
plt.____('Sampling distribution of BTC 90-day change')

plt.show()
Redigera och kör kod