走向网格近似
恭喜您！您刚加入本国卫生部门，担任数据分析师。内阁正在考虑采购一种全新的药物，用于对抗一种致命且具有强传染性的病毒。不过，这种新药对病毒的有效性仍存在疑问。您的任务是估计该药物的疗效率，即被药物治愈的患者所占百分比。
一项快速实验已经开展：对 10 名患病患者进行了用药治疗。一旦知道其中有多少人被治愈，您就可以使用二项分布，将"治愈一名患者"视为一次"成功"，将疗效率视为"成功概率"。在等待实验结果期间，您决定先准备参数网格。
numpy 和 pandas 已分别以 np 和 pd 的名称为您导入。
本练习是课程的一部分
Python 中的贝叶斯数据分析
练习说明
- 使用
np.arange()创建一个包含所有可能治愈患者人数（从 0 到 10）的数组，并将其赋给num_patients_cured。 - 使用
np.arange()创建一个包含所有可能疗效率取值（从 0 到 1，步长 0.01）的数组，并将其赋给efficacy_rate。 - 将
num_patients_cured和efficacy_rate组合为名为df的 DataFrame，列出二者的所有可能组合。 - 将
["num_patients_cured", "efficacy_rate"]赋给df的列名并打印。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Create cured patients array from 1 to 10
num_patients_cured = ____
# Create efficacy rate array from 0 to 1 by 0.01
efficacy_rate = ____
# Combine the two arrays in one DataFrame
df = ____([(x, y) for x in ____ for y in ____])
# Name the columns
df.columns = ____
# Print df
print(df)