建模的理由：估计关系

建模的另一个常见用途是先为两个数据集分别构建模型，然后比较模型，从而比较两个数据集。在本练习中，您将获得两辆车一起自驾游的加油数据。两车每行驶 50 英里就加油一次，但每次加的油量不同，因为两车的燃油效率（MPG）不同。请完成函数 efficiency_model(miles, gallons)，将效率估计为单位燃油消耗下的平均行驶里程（即每加仑行驶的平均英里数）。使用已提供的字典 car1 和 car2，它们都包含键 car['miles'] 和 car['gallons']。

context figure

本练习是课程的一部分

Python 线性建模入门

查看课程

练习说明

完成 efficiency_model(miles, gallons) 的函数定义。
使用该函数计算已提供两辆车（字典 car1、car2）的燃油效率。
将结果分别存为 car1['mpg'] 和 car2['mpg']。
完成以下逻辑语句，打印哪辆车（如果有的话）拥有更高的效率。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Complete the function to model the efficiency.
def efficiency_model(miles, gallons):
   return np.mean( ____ / ____ )

# Use the function to estimate the efficiency for each car.
car1['mpg'] = efficiency_model(car1['____'] , car1['____'] )
car2['mpg'] = efficiency_model(car2['____'] , car2['____'] )

# Finish the logic statement to compare the car efficiencies.
if car1['mpg'] ____ car2['mpg'] :
    print('car1 is the best')
elif car1['mpg'] ____ car2['mpg'] :
    print('car2 is the best')
else:
    print('the cars have the same efficiency')

编辑并运行代码