Melampaui 95%

Meningkatkan Visualisasi Data Anda di Python

Nick Strayer

Instructor

Satu pita kepercayaan tunggal di atas dengan panah ke pita bertingkat tiga di bawahnya

Satu pita kepercayaan tunggal di atas dengan panah ke pita bertingkat tiga di bawahnya dan panah ke level 90% pada pita bawah

Satu pita kepercayaan tunggal di atas dengan panah ke pita bertingkat tiga di bawahnya dan panah ke level 95% pada pita bawah

Satu pita kepercayaan tunggal di atas dengan panah ke pita bertingkat tiga di bawahnya dan panah ke level 99% pada pita bawah

Satu pita kepercayaan tunggal di atas dengan panah ke pita bertingkat tiga di bawahnya

# 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()

Tiga pita kepercayaan horizontal dengan warna menandai interval kepercayaan 90, 95, dan 99%

Tiga interval kepercayaan: yang atas memakai warna lebih gelap di luar, yang tengah warnanya mirip-mirip, yang bawah lebih gelap di dalam

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)

Dua pita kepercayaan ditumpuk; pita kecil yang lebih gelap berada di dalam pita besar yang lebih terang

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()

Tiga interval tiga tingkat dengan bagian dalam paling tebal, lalu menipis ke luar

Mari perluas batasnya!

Meningkatkan Visualisasi Data Anda di Python