用蜂群图展示大量自助法结果

作为辛辛那提的现居居民，您想看看平均 NO₂ 数值与得梅因、印第安纳波利斯和休斯顿（您曾居住过的其他几座城市）相比如何。

为此，您决定使用自助法（bootstrap）估计各城市的 NO₂ 平均值。由于比较是关注的重点，您将使用蜂群图来对这些估计进行对比。

已提供 DataFrame pollution_may，以及用于执行自助重采样的 bootstrap() 函数（与幻灯片中的相同）。

本练习是课程的一部分

用 Python 提升数据可视化

查看课程

练习说明

对每个 city_NO2 向量运行自助重采样。
在自助法得到的 DataFrame cur_boot 中添加城市名称列。
将蜂群图中所有点的颜色设为 'coral'，以避免颜色与大小的干扰问题。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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()

编辑并运行代码