Bortom 95%

Förbättra dina datavisualiseringar i Python

Nick Strayer

Instructor

Enkelt konfidensband på en nivå överst med pil som pekar mot ett band i tre nivåer nedanför

Förbättra dina datavisualiseringar i Python

Enkelt konfidensband på en nivå överst med pil som pekar mot ett band i tre nivåer nedanför och pil som pekar på 90%-nivån i det nedre bandet

Förbättra dina datavisualiseringar i Python

Enkelt konfidensband på en nivå överst med pil som pekar mot ett band i tre nivåer nedanför och pil som pekar på 95%-nivån i det nedre bandet

Förbättra dina datavisualiseringar i Python

Enkelt konfidensband på en nivå överst med pil som pekar mot ett band i tre nivåer nedanför och pil som pekar på 99%-nivån i det nedre bandet

Förbättra dina datavisualiseringar i Python

Enkelt konfidensband på en nivå överst med pil som pekar mot ett band i tre nivåer nedanför

Förbättra dina datavisualiseringar i 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()
Förbättra dina datavisualiseringar i Python

Tre horisontella konfidensband med färger som anger konfidensintervallen på 90, 95 och 99%

Förbättra dina datavisualiseringar i Python

Tre konfidensintervall där det översta använder mörkare färger för de yttre intervallen, det mellersta mycket likartade nyanser och det sista mörkare färger för de inre intervallen

Förbättra dina datavisualiseringar i 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)
Förbättra dina datavisualiseringar i Python

Två överlappande konfidensband där det mindre, mörkare bandet är inlagt i det större, ljusare bandet

Förbättra dina datavisualiseringar i 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()
Förbättra dina datavisualiseringar i Python

Tre konfidensintervall i tre nivåer där de innersta intervallen har det tjockaste bandet och bandtjockleken minskar utåt

Förbättra dina datavisualiseringar i Python

Nu kör vi en övning!

Förbättra dina datavisualiseringar i Python

Preparing Video For Download...