Verder dan 95%

Je datavisualisaties verbeteren in Python

Nick Strayer

Instructor

Boven een effen betrouwbaarheidsband met pijl naar een drielaagse band eronder

Je datavisualisaties verbeteren in Python

Boven een effen betrouwbaarheidsband met pijl naar een drielaagse band eronder en pijl naar het 90%-niveau van de onderste band

Je datavisualisaties verbeteren in Python

Boven een effen betrouwbaarheidsband met pijl naar een drielaagse band eronder en pijl naar het 95%-niveau van de onderste band

Je datavisualisaties verbeteren in Python

Boven een effen betrouwbaarheidsband met pijl naar een drielaagse band eronder en pijl naar het 99%-niveau van de onderste band

Je datavisualisaties verbeteren in Python

Boven een effen betrouwbaarheidsband met pijl naar een drielaagse band eronder

Je datavisualisaties verbeteren in Python
# Intervalgrootte instellen
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, 
               # Bereken onder- en bovengrens
               xmin = data['est'] - z*data['std_err'], 
               xmax = data['est'] + z*data['std_err'],
               # Kleur op basis van intervalgrootte
               color = color,

               # Dikkere lijn voor zichtbaarheid
               linewidth = 7,

               # Label voor duidelijke legenda
               label = size)

plt.plot('est', 'y', 'ko', data = data, label = 'Puntschatting')
plt.legend()
Je datavisualisaties verbeteren in Python

Drie horizontale betrouwbaarheidsbanden met kleuren voor de 90-, 95- en 99%-intervallen

Je datavisualisaties verbeteren in Python

Drie betrouwbaarheidsintervallen: boven donkerder buitenranden, midden vergelijkbare tinten, onder donkerder binnenranden

Je datavisualisaties verbeteren in Python
widths   = [    '99%',     '90%']
z_scores = [     2.58,      1.67]
colors   = ['#99d8c9', '#41ae76']

for percent, Z, color in zip(widths, z_scores, colors):
    # Kleur instellen om banden te onderscheiden
    plt.fill_between(
        x=data.day, 
        y1=data['mean'] - Z*data['std_err'],
        y2=data['mean'] + Z*data['std_err']
        color=color,

        # Lagere dekking zodat raster zichtbaar blijft
        alpha=0.5,

        # Geef elke band een label voor de legenda
        label=percent)
Je datavisualisaties verbeteren in Python

Twee overlappende betrouwbaarheidsbanden met de kleinere, donkerdere band binnen de grotere, lichtere band

Je datavisualisaties verbeteren in Python
sizes = ['99% betrouwbaarheidsinterval', '95%', '90%']

# Verschillende lijndiktes voor intervallen
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'

        # Pas lijndikte aan per interval
        linewidth = width)

plt.plot('est', 'y', 'wo', data = data, label = 'Puntschatting')
plt.legend()
Je datavisualisaties verbeteren in Python

Drie drielaagse betrouwbaarheidsintervallen met de binnenste intervallen als dikste band en dunner naar buiten toe

Je datavisualisaties verbeteren in Python

Laten we onze grenzen verruimen!

Je datavisualisaties verbeteren in Python

Preparing Video For Download...