具有差分隐私的直方图
在本练习中，您将以差分隐私方式访问 Heart Failure Prediction 数据集。您将生成并分析私有与非私有直方图，并对它们进行比较。
您将重点查看数据集中 age 变量的直方图。尽管您可以在控制台中访问完整的 DataFrame，但在实际应用中，没有根据差分隐私（全局方法）计算的随机噪声，您不应共享它。
DataFrame 已加载为 heart_df，其中来自 age 的取值存为 ages（一个 Series）。已导入来自 diffprivlib 的 tools。
本练习是课程的一部分
Python 中的数据隐私与匿名化
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Get counts and bars for non-private histogram of ages
counts, bins = ____
# Normalize counts to get proportions
proportions = ____
# Draw the histogram of proportions
plt.bar(____[: - 1], height=____, width=(bins[1] - bins[0]))
plt.show()