基础置信区间

您是一家位于爱荷华州得梅因的烟花制造商的数据科学家。您需要向市政府说明，贵公司的大型烟花表演并未对城市空气造成危害。为此，您查看了 7 月 4 日之后一周内各污染物的平均水平，并将其与上一次表演后的读数进行比较。通过在平均值周围展示置信区间，您可以证明近期读数完全处于正常范围之内。

该数据已加载为 average_ests，每一行对应一个被测的污染物。

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

创建 95% 区间的下界与上界：
- 下界：用估计的 'mean' 减去 1.96 个标准误（'std_err'）。
- 上界：用估计的 'mean' 加上 1.96 个标准误（'std_err'）。
将 pollutant 作为分面变量传给 sns.FacetGrid()，并解除各图的 x 轴联动，以便区间比例合适。
将构造好的区间边界传递给映射的 plt.hlines() 函数。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Construct CI bounds for averages
average_ests['lower'] = average_ests['____'] - 1.96*average_ests['____']
average_ests['upper'] = average_ests['____'] + 1.96*average_ests['____']

# Setup a grid of plots, with non-shared x axes limits
g = sns.FacetGrid(average_ests, row = '____', ____ = False)

# Plot CI for average estimate
g.map(plt.hlines, 'y', '____', '____')

# Plot observed values for comparison and remove axes labels
g.map(plt.scatter, 'seen', 'y', color = 'orangered').set_ylabels('').set_xlabels('') 

plt.show()

编辑并运行代码