自助法回归

在为 Long Beach 公园与休闲部门研究 NO₂ 与 SO₂ 的关系时，您注意到一簇可能的离群点，可能会影响相关性。

SO2 NO2 scatter

通过自助法（bootstrap）重抽样来评估相关性的未知性，看看拟合是否稳定。为方便起见，自助抽样已完成，并以 no2_so2_boot 提供；未重抽样的数据为 no2_so2。

本练习是课程的一部分

用 Python 提升数据可视化

查看课程

练习说明

让 sns.lmplot() 为每个自助抽样的 sample 绘制一条单独的回归线。
将每条回归线着色为 'steelblue'，并设置 20% 透明度。
关闭回归线周围的默认 Seaborn 置信带。

交互式实操练习

通过完成这段示例代码来试试这个练习。

sns.lmplot('NO2', 'SO2', data = no2_so2_boot,
           # Tell seaborn to a regression line for each sample
           ____ = 'sample', 
           # Make lines blue and transparent
           line_kws = {'____': 'steelblue', '____': 0.2},
           # Disable built-in confidence intervals
           ci = ____, legend = False, scatter = False)

# Draw scatter of all points
plt.scatter('NO2', 'SO2', data = no2_so2)

plt.show()

编辑并运行代码