顯示線性迴歸結果
現在你要把線性迴歸的結果顯示在散佈圖上；繪製散佈圖的程式碼已從前一個練習為你預先寫好。請從自助抽樣結果中取前 100 個樣本（存於 bs_slope_reps_1975、bs_intercept_reps_1975、bs_slope_reps_2012、bs_intercept_reps_2012），並使用 plt.plot() 繪出線條，同時設定關鍵字參數 alpha=0.2 與 linewidth=0.5。
本練習屬於課程
Statistical Thinking in Python（第 2 部分）
練習說明
- 使用
np.array()產生自助抽樣線條的 \(x\) 值。它們應為 10 mm 與 17 mm。 - 撰寫一個
for迴圈，為 1975 與 2012 年的資料集各繪製 100 條自助抽樣線。1975 年資料集的線條顏色為'blue'，2012 年資料集的線條顏色為'red'。 - 按下 Submit Answer 以檢視圖形！
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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()