เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

แสดงผลลัพธ์การถดถอยเชิงเส้น

ขั้นตอนนี้จะนำผลลัพธ์การถดถอยเชิงเส้นมาแสดงบน scatter plot ซึ่งโค้ดสำหรับสร้างกราฟได้เตรียมไว้ให้แล้วจากแบบฝึกหัดก่อนหน้า โดยให้นำ bootstrap sample 100 ตัวแรก (ที่เก็บอยู่ใน bs_slope_reps_1975, bs_intercept_reps_1975, bs_slope_reps_2012 และ bs_intercept_reps_2012) มาพล็อตเส้น โดยกำหนด alpha=0.2 และ linewidth=0.5 เป็น keyword arguments ใน plt.plot()

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Statistical Thinking in Python (ตอนที่ 2)

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้างค่าแกน \(x\) สำหรับเส้น bootstrap โดยใช้ np.array() โดยให้ประกอบด้วยค่า 10 มม. และ 17 มม.
  • เขียนลูป for เพื่อพล็อต bootstrap line จำนวน 100 เส้นสำหรับชุดข้อมูลปี 1975 และ 2012 โดยให้เส้นของชุดข้อมูลปี 1975 เป็นสี 'blue' และเส้นของชุดข้อมูลปี 2012 เป็นสี 'red'
  • กด Submit เพื่อดูกราฟ!

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Make scatter plot of 1975 data
_ = plt.plot(bl_1975, bd_1975, marker='.',
             linestyle='none', color='blue', alpha=0.5)

# Make scatter plot of 2012 data
_ = plt.plot(bl_2012, bd_2012, marker='.',
             linestyle='none', color='red', alpha=0.5)

# Label axes and make legend
_ = plt.xlabel('beak length (mm)')
_ = plt.ylabel('beak depth (mm)')
_ = plt.legend(('1975', '2012'), loc='upper left')

# Generate x-values for bootstrap lines: x
x = np.array([____, ____])

# Plot the bootstrap lines
for i in range(100):
    plt.plot(____, ____,
             linewidth=0.5, alpha=0.2, color=____)
    plt.plot(____, ____,
             linewidth=0.5, alpha=0.2, color=____)

# Draw the plot again
plt.show()
แก้ไขและรันโค้ด