Visualisering av bootstrap

Förbättra dina datavisualiseringar i Python

Nick Strayer

Instructor

enkelt konfidensband med nedre och övre gränser markerade med pilar

Förbättra dina datavisualiseringar i Python

En klockformad kurva

Förbättra dina datavisualiseringar i Python

En stor population av svarta och vita prickar där ett mindre urval tas

Förbättra dina datavisualiseringar i Python

Litet urval av svarta och vita prickar återsamlas flera gånger för att skapa nya lika stora datamängder

Förbättra dina datavisualiseringar i Python

Samlingar av svarta och vita prickar pekar mot en rad skattningar som motsvarar andelen svarta kontra vita prickar

Förbättra dina datavisualiseringar i Python
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)
Förbättra dina datavisualiseringar i Python

Detaljerat histogram med ett ljusgrått fält markerat längs x-axeln

Förbättra dina datavisualiseringar i Python
# 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)
Förbättra dina datavisualiseringar i Python

En serie liknande nedåtlutande linjer

Förbättra dina datavisualiseringar i Python
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')
Förbättra dina datavisualiseringar i Python

Fyra beeswarm-diagram där en grupp tydligt hamnar längre till höger på x-axeln än de övriga

Förbättra dina datavisualiseringar i Python

Nu kör vi en övning!

Förbättra dina datavisualiseringar i Python

Preparing Video For Download...