用 beeswarm 呈現大量 bootstrap 結果

你目前住在 Cincinnati，也好奇平均 NO₂ 數值和你曾住過的其他城市 Des Moines、Indianapolis、以及 Houston 相比如何。

為了檢視這點，你決定用 bootstrap 估計各城市的 NO₂ 平均值。由於比較是重點，你會使用 swarm 圖來比較這些估計值。

已提供 DataFrame pollution_may，以及投影片中用於執行 bootstrap 重抽樣的 bootstrap() 函式。

本練習屬於課程

用 Python 改善你的資料視覺化

檢視課程

練習說明

對每個 city_NO2 向量執行 bootstrap 重抽樣。
在 bootstrap 的 DataFrame cur_boot 中加入城市名稱欄位。
將所有 swarm 圖的點設為顏色 'coral'，以避免顏色與大小混淆的問題。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# 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()

編輯並執行程式碼