Провести две прямые, используя метод linspace библиотеки NumPy

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
data = pd.read_csv('weights_heights.csv', index_col='Index')
data.plot(y='Height', kind='hist', 
           color='red',  title='Height (inch.) distribution')
.......................................................................
#Создайте в DataFrame data новый признак weight_category, который будет иметь 3 значения: 
    # 1 – если вес меньше 120 фунтов. (~ 54 кг.), 
    # 3 - если вес больше или равен 150 фунтов (~68 кг.), 2 – в остальных случаях. 
def weight_category(weight):
    temp = weight
    if temp < 120:
        return 1 
    elif temp >=150:
        return 3
    else :
        return 2
    
#Постройте «ящик с усами» (boxplot), демонстрирующий зависимость роста от весовой категории. 
#Используйте метод boxplot библиотеки Seaborn и метод apply Pandas DataFrame. 
#Подпишите ось y меткой «Рост», ось x – меткой «Весовая категория».
data['weight_cat'] = data['Weight'].apply(weight_category)
sns.boxplot(x='weight_cat',y='Height',data=data).set(xlabel = "Весовая категория", ylabel = "Рост")
[6]. Напишите функцию, которая по двум параметрам  w0w0  и  w1w1  вычисляет квадратичную ошибку приближения зависимости роста  yy  от веса  xx  прямой линией  y=w0+w1∗xy=w0+w1∗x :
def error (w0 ,w1):
    pass
    y = data['Height']
    x = data['Weight']
    err = 0.0
    s=0.0
    for i in range(1,len(data.index)):
        err = (y[i]-(w0+w1*x[i]))**2
        s = err + s          
    return s
 
 
[7] .Проведите на графике из п. 5 Задания 1 две прямые, соответствующие значениям параметров ( w0,w1)=(60,0.05)w0,w1)=(60,0.05)  и ( w0,w1)=(50,0.16)w0,w1)=(50,0.16) . Используйте метод plot из matplotlib.pyplot, а также метод linspace библиотеки NumPy. Подпишите оси и график.
x = np.array(data['Weight'])
st = np.min(data['Weight'])
en = np.max(data['Weight'])
step = len(data)
xx =np.linspace(st,en,num=step)