开始使用免费开始使用

绘制增长曲线

在上一个练习中，您已经看到增长曲线的置信区间非常窄。这里我们将通过作图进一步直观展示：把多条自举得到的回归线与增长曲线一起绘制。您将使用 plt.semilogy() 来作图，使 y 轴为对数刻度。这意味着在绘图前，您需要对理论线性回归曲线取指数，将其转换为可在对数刻度下显示的增长曲线。

本练习是课程的一部分

统计思维案例研习

查看课程

练习说明

  • 使用 plt.semilogy() 绘制数据点。numpy 数组 t 和 bac_area 已在您的命名空间中。
  • 使用 np.array() 生成用于绘制自举回归线的时间取值，命名为 t_bs。时间范围应为 0 到 14 小时。
  • 编写一个 for 循环，绘制前 100 对自举重复对应的回归线。您在上一个练习中计算的 numpy 数组 growth_rate_bs_reps 和 log_a0_bs_reps 已在命名空间中。
    • 使用 np.exp() 对线性回归直线取指数来计算增长曲线。
    • 使用 plt.semilogy() 绘制理论曲线，并设置关键字参数 linewidth=0.5、alpha=0.05、color='red'。
  • 为坐标轴添加标签并显示图形。x 轴与 y 轴的合适标签分别为 'time (hr)' 和 'area (sq. µm)'。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Plot data points in a semilog-y plot with axis labeles
_ = ____(____, ____, marker='.', linestyle='none')

# Generate x-values for the bootstrap lines: t_bs
t_bs = ____([____, ____])

# Plot the first 100 bootstrap lines
for i in range(____):
    y = ____(____[i] * ____ + ____[i])
    _ = ____(____, ____, linewidth=____, alpha=____, color=____)
    
# Label axes and show plot
_ = plt.xlabel('____')
_ = plt.ylabel('____')
____
编辑并运行代码