如何在Python中的散点图上添加一条线？

Question

我有两个数据向量，并将它们放入pyplot.scatter()中。现在我想要在这些数据上面画一个线性拟合。我该怎么做？我尝试使用scikitlearn和np.polyfit()。

- goldisfine

Answer 1

import numpy as np
from numpy.polynomial.polynomial import polyfit
import matplotlib.pyplot as plt

# Sample data
x = np.arange(10)
y = 5 * x + 10

# Fit with polyfit
b, m = polyfit(x, y, 1)

plt.plot(x, y, '.')
plt.plot(x, b + m * x, '-')
plt.show()

- Greg Whittier

---

你能添加一个解释吗？ - Prometheus

polyfit 的第三个参数是多项式的次数。完整的函数签名为：numpy.polyfit（x，y，deg，rcond = None，full = False，w = None，cov = False） [来源]（https://docs.scipy.org/doc/numpy/reference/generated/numpy.polyfit.html）。 - Apollys supports Monica

Answer 2

我喜欢 Seaborn 的 regplot 或 lmplot 来达到这个效果:

要实现这个效果，请执行以下操作:

import numpy as np
import seaborn as sns

N = 100
x = np.random.rand(N)
y = 3 * x + np.random.rand(N)
sns.regplot(x=x, y=y)

- deepstructure

---

import seaborn as sns; sns.regplot(x=x, y=y)意思是导入 seaborn 库，并使用其中的 regplot 函数来绘制 x 和 y 变量的关系图。 - Amin

Answer 3

我偏爱scikits.statsmodels。这里有一个例子：

import statsmodels.api as sm
import numpy as np
import matplotlib.pyplot as plt

X = np.random.rand(100)
Y = X + np.random.rand(100)*0.1

results = sm.OLS(Y,sm.add_constant(X)).fit()

print(results.summary())

plt.scatter(X,Y)

X_plot = np.linspace(0,1,100)
plt.plot(X_plot, X_plot * results.params[1] + results.params[0])

plt.show()

唯一棘手的部分是 sm.add_constant(X)，它会在X中添加一个值为1的列来得到拦截项。

     Summary of Regression Results
=======================================
| Dependent Variable:            ['y']|
| Model:                           OLS|
| Method:                Least Squares|
| Date:               Sat, 28 Sep 2013|
| Time:                       09:22:59|
| # obs:                         100.0|
| Df residuals:                   98.0|
| Df model:                        1.0|
==============================================================================
|                   coefficient     std. error    t-statistic          prob. |
------------------------------------------------------------------------------
| x1                      1.007       0.008466       118.9032         0.0000 |
| const                 0.05165       0.005138        10.0515         0.0000 |
==============================================================================
|                          Models stats                      Residual stats  |
------------------------------------------------------------------------------
| R-squared:                     0.9931   Durbin-Watson:              1.484  |
| Adjusted R-squared:            0.9930   Omnibus:                    12.16  |
| F-statistic:                1.414e+04   Prob(Omnibus):           0.002294  |
| Prob (F-statistic):        9.137e-108   JB:                        0.6818  |
| Log likelihood:                 223.8   Prob(JB):                  0.7111  |
| AIC criterion:                 -443.7   Skew:                     -0.2064  |
| BIC criterion:                 -438.5   Kurtosis:                   2.048  |
------------------------------------------------------------------------------

- pcoving

---

我的身材看起来不同了；线条放错位置了；在这些点的上方。 - capybaralet

@David: 参数数组的顺序错了。尝试使用以下方式：plt.plot(X_plot, X_plot * results.params[1] + results.params[0])。或者更好的方法是：plt.plot(X，results.fittedvalues)，因为第一个公式假定y是x的线性关系，在这里确实是正确的，但并非总是如此。 - Ian

你创建的线性空间不一定会落在[0, 1]之间。 - undefined

Answer 4

绘制最佳拟合直线的精简版此优秀回答：

plt.plot(np.unique(x), np.poly1d(np.polyfit(x, y, 1))(np.unique(x)))

使用np.unique(x)代替x可以处理x未排序或具有重复值的情况。

调用poly1d是编写m*x + b的另一种选择，就像这个出色的答案中所示。

- 1''

---

嗨，我的x和y值是使用numpy.asarray从列表转换而来的数组。当我添加这行代码时，我的散点图上出现了多条线，而不是一条。可能的原因是什么？ - artre

@artre 感谢您提出这个问题。如果 x 没有排序或存在重复的值，可能会发生这种情况。我已经编辑了答案。 - 1''

Answer 5

另一种方法是使用 axes.get_xlim():

import matplotlib.pyplot as plt
import numpy as np

def scatter_plot_with_correlation_line(x, y, graph_filepath):
    '''
    https://dev59.com/mmIk5IYBdhLWcg3wrvy4#34571821
    x does not have to be ordered.
    '''
    # Create scatter plot
    plt.scatter(x, y)

    # Add correlation line
    axes = plt.gca()
    m, b = np.polyfit(x, y, 1)
    X_plot = np.linspace(axes.get_xlim()[0],axes.get_xlim()[1],100)
    plt.plot(X_plot, m*X_plot + b, '-')

    # Save figure
    plt.savefig(graph_filepath, dpi=300, format='png', bbox_inches='tight')

def main():
    # Data
    x = np.random.rand(100)
    y = x + np.random.rand(100)*0.1

    # Plot
    scatter_plot_with_correlation_line(x, y, 'scatter_plot.png')

if __name__ == "__main__":
    main()
    #cProfile.run('main()') # if you want to do some profiling

- Franck Dernoncourt

Answer 6

matplotlib 3.3 新特性

使用新的plt.axline绘制直线，公式为y = m*x + b，其中m为斜率，b为截距:

plt.axline(xy1=(0, b), slope=m)

---

使用 plt.axline 的示例与 np.polyfit ：

import numpy as np
import matplotlib.pyplot as plt

# generate random vectors
rng = np.random.default_rng(0)
x = rng.random(100)
y = 5*x + rng.rayleigh(1, x.shape)
plt.scatter(x, y, alpha=0.5)

# compute slope m and intercept b
m, b = np.polyfit(x, y, deg=1)

# plot fitted y = m*x + b
plt.axline(xy1=(0, b), slope=m, color='r', label=f'$y = {m:.2f}x {b:+.2f}$')

plt.legend()
plt.show()

在这里，方程式是一个图例条目，但如果您想沿着线绘制方程式，请参见如何旋转注释以匹配线条。

- tdy

Answer 7

plt.plot(X_plot, X_plot*results.params[0] + results.params[1])

对比

plt.plot(X_plot, X_plot*results.params[1] + results.params[0])

- Sébastien

Answer 8

你可以使用Adarsh Menon的教程，链接如下：https://towardsdatascience.com/linear-regression-in-6-lines-of-python-5e1d0cd05b8d。这是我发现的最简单的方法，基本上看起来像这样：

import numpy as np
import matplotlib.pyplot as plt  # To visualize
import pandas as pd  # To read data
from sklearn.linear_model import LinearRegression
data = pd.read_csv('data.csv')  # load data set
X = data.iloc[:, 0].values.reshape(-1, 1)  # values converts it into a numpy array
Y = data.iloc[:, 1].values.reshape(-1, 1)  # -1 means that calculate the dimension of rows, but have 1 column
linear_regressor = LinearRegression()  # create object for the class
linear_regressor.fit(X, Y)  # perform linear regression
Y_pred = linear_regressor.predict(X)  # make predictions
plt.scatter(X, Y)
plt.plot(X, Y_pred, color='red')
plt.show()

- plnnvkv