Visualizzare il bootstrap

Migliorare le tue visualizzazioni dei dati in Python

Nick Strayer

Instructor

Banda di confidenza semplice con limiti inferiore e superiore evidenziati da frecce

Curva a campana

Da una grande popolazione di punti bianchi e neri si estrae un campione più piccolo

Un piccolo campione di punti bianchi e neri viene ricampionato più volte per creare nuovi dataset di pari dimensione

Collezioni di punti bianchi e neri puntano a una serie di stime corrispondenti alla loro proporzione di bianchi e neri

denver_may = pollution.query("city == 'Denver' & month == 8")

# Esegui la media bootstrap su un vettore
def bootstrap(data, n_boots): 
    return [np.mean(np.random.choice(data,len(data))) 
            for _ in range(n_boots) ]

# Genera 1.000 campioni bootstrap
boot_means = bootstrap(denver_may.NO2, 1000)


# Limiti inferiore e superiore dell'intervallo al 95%
lower, upper = np.percentile(boot_means, [2.5, 97.5])

# Sfondo ombreggiato dell'intervallo
plt.axvspan(lower, upper, color='grey', alpha=0.2)

# Istogramma dei campioni
sns.histplot(boot_means, bins = 100)

Istogramma fine con una fascia grigia chiara sull’asse x

# Crea un DataFrame dei dati bootstrap
denver_may_boot = pd.concat([
    denver_may.sample(n=len(denver_may), replace=True).assign(sample=i) 
    for i in range(100)])

# Regressioni per ogni campione
sns.lmplot('CO', 'O3', data=denver_may_boot, scatter=False,

           # Chiedi a seaborn di tracciare 
           # una retta per ogni ricampionamento
           hue='sample',

           # Linee arancioni e trasparenti
           line_kws = {'color': 'coral', 'alpha': 0.2},

           # Niente intervalli di confidenza
           ci=None, legend = False)

Serie di linee simili con pendenza negativa

aug_pol = pollution.query("month == 8")

# DataFrame contenitore per i campioni bootstrap
city_boots = pd.DataFrame()

for city in ['Denver', 'Long Beach', 'Houston', 'Indianapolis']:
    # Filtra il NO2 della città
    city_NO2 = aug_pol[aug_pol.city == city].NO2
    # 100 campioni bootstrap del NO2 della città, in un DataFrame
    cur_boot = pd.DataFrame({ 'NO2_avg': bootstrap(city_NO2, 100), 
                              'city': city })
    # Aggiungi agli altri bootstrap
    city_boots = pd.concat([city_boots,cur_boot])

# Visualizza molti bootstrap con un beeswarm
sns.swarmplot(y="city", x="NO2_avg", data=city_boots, 

              # Imposta lo stesso colore per tutti
              color='coral')

Quattro grafici beeswarm con un gruppo chiaramente più a destra sull’asse x degli altri

Pronti a (ri)campionare

Migliorare le tue visualizzazioni dei dati in Python