展示线性回归结果
现在，您将把线性回归结果显示在散点图上。该散点图的代码已在上一练习中为您预先写好。为此，请取前 100 个自助法样本（存于 bs_slope_reps_1975、bs_intercept_reps_1975、bs_slope_reps_2012 和 bs_intercept_reps_2012 中），并使用 plt.plot() 的关键字参数 alpha=0.2 和 linewidth=0.5 绘制这些直线。
本练习是课程的一部分
Python 统计思维（第 2 部分）
练习说明
- 使用
np.array()生成自助法直线的 \(x\) 值。应包含 10 mm 和 17 mm。 - 编写
for循环，为 1975 年和 2012 年的数据集各绘制 100 条自助法直线。1975 年数据集的直线颜色设为'blue'，2012 年数据集设为'red'。 - 点击 Submit Answer 查看图形！
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Make scatter plot of 1975 data
_ = plt.plot(bl_1975, bd_1975, marker='.',
linestyle='none', color='blue', alpha=0.5)
# Make scatter plot of 2012 data
_ = plt.plot(bl_2012, bd_2012, marker='.',
linestyle='none', color='red', alpha=0.5)
# Label axes and make legend
_ = plt.xlabel('beak length (mm)')
_ = plt.ylabel('beak depth (mm)')
_ = plt.legend(('1975', '2012'), loc='upper left')
# Generate x-values for bootstrap lines: x
x = np.array([____, ____])
# Plot the bootstrap lines
for i in range(100):
plt.plot(____, ____,
linewidth=0.5, alpha=0.2, color=____)
plt.plot(____, ____,
linewidth=0.5, alpha=0.2, color=____)
# Draw the plot again
plt.show()