Arı sürüsü grafikleriyle bolca bootstrap

Cincinnati'de yaşayan biri olarak, ortalama NO₂ değerlerinin, daha önce yaşadığın birkaç şehir olan Des Moines, Indianapolis ve Houston ile nasıl karşılaştığını merak ediyorsun.

Bunu incelemek için, her şehir için ortalama NO₂ değerlerine bakmak üzere bootstrap kestirimi kullanmaya karar verdin. Karşılaştırmalar birincil ilgi alanın olduğundan, kestirimleri karşılaştırmak için bir swarm (arı sürüsü) grafiği kullanacaksın.

Bootstrap yeniden örnekleme yapmak için slaytlarda gördüğün bootstrap() fonksiyonuyla birlikte pollution_may DataFrame'i sağlanmıştır.

Bu egzersiz

Python'da Veri Görselleştirmelerini İyileştirme

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

Her bir city_NO2 vektörü üzerinde bootstrap yeniden örnekleme çalıştır.
Bootstrap DataFrame'i cur_boot içine şehir adını bir sütun olarak ekle.
Renk-boyut sorunundan kaçınmak için tüm swarm grafik noktalarını 'coral' olarak renklendir.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Initialize a holder DataFrame for bootstrap results
city_boots = pd.DataFrame()

for city in ['Cincinnati', 'Des Moines', 'Indianapolis', 'Houston']:
    # Filter to city
    city_NO2 = pollution_may[pollution_may.city  ==  city].NO2
    # Bootstrap city data & put in DataFrame
    cur_boot = pd.DataFrame({'NO2_avg': bootstrap(____, 100), 'city': ____})
    # Append to other city's bootstraps
    city_boots = pd.concat([city_boots,cur_boot])

# Beeswarm plot of averages with citys on y axis
sns.swarmplot(y = "city", x = "NO2_avg", data = city_boots, ____ = '____')

plt.show()

Kodu Düzenle ve Çalıştır