เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การแสดงภาพข้อมูลตัวอย่าง

จากที่เห็นว่าตัวอย่างเพียงชุดเดียวอาจให้ค่าประมาณที่ไม่น่าเชื่อถือ คุณจึงตัดสินใจเก็บตัวอย่าง 100 ชุด โดยแต่ละชุดคือข้อมูลการซื้อขาย BTC 90 วันติดต่อกัน แล้วคำนวณเปอร์เซ็นต์การเปลี่ยนแปลงของ BTC สำหรับแต่ละชุด จากนั้นนำข้อมูลมาพล็อตเป็นฮิสโตแกรมเพื่อทำความเข้าใจการกระจายตัวของกลุ่มตัวอย่าง

แม้จะสร้างภาพเหล่านี้ด้วย plt.hist() ได้ แต่ในแบบฝึกหัดนี้จะฝึกใช้อาร์กิวเมนต์ .plot() บน DataFrame ร่วมกับอาร์กิวเมนต์ bins และ density

ข้อมูลเปอร์เซ็นต์การเปลี่ยนแปลงจากตัวอย่างทั้ง 100 ชุดถูกโหลดไว้ให้แล้วใน btc_pct_change_list ซึ่งเป็นลิสต์ที่มีความยาว 100 รายการ โดยแต่ละรายการคือเปอร์เซ็นต์การเปลี่ยนแปลงของ BTC จากตัวอย่างแต่ละชุด นอกจากนี้ได้นำเข้า Matplotlib ในชื่อ plt ไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

พื้นฐานการอนุมานทางสถิติด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • พล็อตฮิสโตแกรมของเปอร์เซ็นต์การเปลี่ยนแปลงของ BTC โดยใช้ 15 bins และให้แกน y แสดงค่า density แทนจำนวนนับ
  • ตั้งชื่อแกน x เป็น "BTC 90-day percent change"
  • ตั้งชื่อแกน y เป็น "Percent of samples"
  • ตั้งชื่อกราฟเป็น "Sampling distribution of BTC 90-day change"

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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()
แก้ไขและรันโค้ด