Além de 95%

Aprimorando suas visualizações de dados em Python

Nick Strayer

Instructor

Faixa de confiança única sólida no topo com seta apontando para faixa em três níveis abaixo

Aprimorando suas visualizações de dados em Python

Faixa de confiança única sólida no topo com seta apontando para faixa em três níveis abaixo e seta apontando para o nível de 90% da faixa inferior

Aprimorando suas visualizações de dados em Python

Faixa de confiança única sólida no topo com seta apontando para faixa em três níveis abaixo e seta apontando para o nível de 95% da faixa inferior

Aprimorando suas visualizações de dados em Python

Faixa de confiança única sólida no topo com seta apontando para faixa em três níveis abaixo e seta apontando para o nível de 99% da faixa inferior

Aprimorando suas visualizações de dados em Python

Faixa de confiança única sólida no topo com seta apontando para faixa em três níveis abaixo

Aprimorando suas visualizações de dados em Python
# Interval size setup
sizes    = ['99%', '95%', '90%']
Z_scores = [2.58,   1.96,  1.67]
colors   = ['#fee0b6','#f1a340', '#b35806']



for size, z, color in zip(sizes, Z_scores, colors):

    plt.hlines(y = data.y, 
               # Calculate lower and upper boundaries
               xmin = data['est'] - z*data['std_err'], 
               xmax = data['est'] + z*data['std_err'],
               # Color by interval size
               color = color,

               # Make line thicker for visibility
               linewidth = 7,

               # Label line so legend text is clear
               label = size)

plt.plot('est', 'y', 'ko', data = data, label = 'Point Estimate')
plt.legend()
Aprimorando suas visualizações de dados em Python

Três faixas horizontais com cores indicando os intervalos de confiança de 90, 95 e 99%

Aprimorando suas visualizações de dados em Python

Três intervalos de confiança: o de cima com cores mais escuras fora, o do meio com tons muito parecidos e o último com cores mais escuras por dentro

Aprimorando suas visualizações de dados em Python
widths   = [    '99%',     '90%']
z_scores = [     2.58,      1.67]
colors   = ['#99d8c9', '#41ae76']

for percent, Z, color in zip(widths, z_scores, colors):
    # Set color to distinquish bands
    plt.fill_between(
        x=data.day, 
        y1=data['mean'] - Z*data['std_err'],
        y2=data['mean'] + Z*data['std_err']
        color=color,

        # Lower opacity so grid can show through
        alpha=0.5,

        # Give each band id for the legend
        label=percent)
Aprimorando suas visualizações de dados em Python

Duas faixas de confiança sobrepostas, com a menor e mais escura dentro da maior e mais clara

Aprimorando suas visualizações de dados em Python
sizes = ['99% Confidence Interval', '95%', '90%']

# Set up different line widths for intervals
widths   = [   5,     10,    15]
Z_scores = [2.58,   1.96,  1.67]

for size, z, width in zip(sizes, Z_scores, widths):
    plt.hlines(
        y = data.y, label = size,
        xmin = data['est'] - z*data['std_err'], 
        xmax = data['est'] + z*data['std_err'], 
        color = 'grey'

        # Adjust line thickness by interval
        linewidth = width)

plt.plot('est', 'y', 'wo', data = data, label = 'Point Estimate')
plt.legend()
Aprimorando suas visualizações de dados em Python

Três intervalos em três níveis, com o interno ocupando a faixa mais espessa e reduzindo a espessura conforme os intervalos vão para fora

Aprimorando suas visualizações de dados em Python

Vamos ampliar nossos limites!

Aprimorando suas visualizações de dados em Python

Preparing Video For Download...