%90 ve %95 bantları
2013 yılında Cincinnati şehri için NO2 kirlilik düzeylerinin 40 günlük hareketli ortalamasına bakıyorsun. Trenddeki belirsizliği daha ayrıntılı gösterebilmek için, bu hareketli tahminin etrafındaki %90 ve %99 aralıklarına bakmak istiyorsun.
Bunu yapmak için iki aralık boyutunu ve turuncu bir ordinal renk paletini ayarla. Ayrıca, bantların hassas okunabilmesi için onları yarı saydam yap; böylece Seaborn arka plan ızgaraları görünür olsun.
Bu egzersiz
Python'da Veri Görselleştirmelerini İyileştirme
kursunun bir parçasıdırEgzersiz talimatları
- Aralıkların saydamlığını %40 olarak ayarla.
- Alt ve üst güven aralıklarını hesapla.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
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()