Visualiser le bootstrap

Améliorer vos visualisations de données en Python

Nick Strayer

Instructor

Bande de confiance simple avec bornes inférieure et supérieure indiquées par des flèches

Une courbe en cloche

Grande population de points noirs et blancs avec un plus petit échantillon prélevé

Petit échantillon de points noirs et blancs rééchantillonné plusieurs fois pour créer de nouveaux ensembles de même taille

Ensembles de points noirs et blancs pointant vers un tableau d'estimations selon leur proportion de points noirs et blancs

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

# Perform bootstrapped mean on a vector
def bootstrap(data, n_boots): 
    return [np.mean(np.random.choice(data,len(data))) 
            for _ in range(n_boots) ]

# Generate 1,000 bootstrap samples
boot_means = bootstrap(denver_may.NO2, 1000)


# Get lower and upper 95% interval bounds
lower, upper = np.percentile(boot_means, [2.5, 97.5])

# Shaded background of interval
plt.axvspan(lower, upper, color='grey', alpha=0.2)

# Plot histogram of samples
sns.histplot(boot_means, bins = 100)

Histogramme détaillé avec une plage gris pâle sur l'axe des x

# Make dataframe of bootstraped data
denver_may_boot = pd.concat([
    denver_may.sample(n=len(denver_may), replace=True).assign(sample=i) 
    for i in range(100)])

# Plot regressions for each sample
sns.lmplot('CO', 'O3', data=denver_may_boot, scatter=False,

           # Tell seaborn to draw a regression 
           # line for each resample's data
           hue='sample',

           # Make lines orange and transparent
           line_kws = {'color': 'coral', 'alpha': 0.2},

           # No confidence intervals
           ci=None, legend = False)

Série de lignes similaires à pente descendante

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

# Holder DataFrame for bootstrap samples
city_boots = pd.DataFrame()

for city in ['Denver', 'Long Beach', 'Houston', 'Indianapolis']:
    # Filter to city's NO2
    city_NO2 = aug_pol[aug_pol.city == city].NO2
    # Perform 100 bootstrap samples of city's NO2 & put in DataFrame
    cur_boot = pd.DataFrame({ 'NO2_avg': bootstrap(city_NO2, 100), 
                              'city': city })
    # Append to other city's bootstraps
    city_boots = pd.concat([city_boots,cur_boot])

# Use beeswarm plot to visualize bootstrap samples
sns.swarmplot(y="city", x="NO2_avg", data=city_boots, 

              # Set all the colors to be the same
              color='coral')

Quatre graphiques en essaim où un groupe est nettement plus à droite sur l'axe des x que les autres

Passons à l'échantillonnage (ré)pétié

Améliorer vos visualisations de données en Python