Kom igångKom igång gratis

90- och 95-procentiga band

Du tittar på ett 40-dagars glidande medelvärde av NO2-föroreningsnivåerna för staden Cincinnati år 2013. För att ge en så detaljerad bild som möjligt av osäkerheten i trenden vill du undersöka både 90- och 99-procentiga intervall runt det glidande estimatet.

Konfigurera dina två intervallstorlekar och en orange ordinalfärgpalett. För att möjliggöra exakta avläsningar av banden gör du dem halvgenomskinliga, så att Seaborns bakgrundsrutnät syns igenom.

Den här övningen är en del av kursen

Förbättra dina datavisualiseringar i Python

Visa kurs

Övningsinstruktioner

  • Ställ in opaciteten för intervallen till 40 %.
  • Beräkna de nedre och övre konfidensgränserna.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

int_widths = ['90%', '99%']
z_scores = [1.67, 2.58]
colors = ['#fc8d59', '#fee08b']

for percent, Z, color in zip(int_widths, z_scores, colors):
    
    # Pass lower and upper confidence bounds and lower opacity
    plt.fill_between(
        x = cinci_13_no2.day, alpha = ____, color = color,
        y1 = cinci_13_no2['mean'] ____ ____*cinci_13_no2['std_err'],
        y2 = cinci_13_no2['mean'] ____ ____*cinci_13_no2['std_err'],
        label = percent)
    
plt.legend()
plt.show()
Redigera och kör kod