如何绘制带有线性回归的散点图？

【问题标题】：How to plot a scatter plot with its linear regression?如何绘制带有线性回归的散点图？
【发布时间】：2014-09-16 12:50:26
【问题描述】：

如何使用 matplotlib 制作类似的估计线。

我有几个点，我使用 matplotlib 使用以下代码绘制它们：

import matplotlib.pyplot as plt
for smp, lbl in zip(samples, labels):
    plt.scatter(smp[0], smp[1], marker='*', cl = 'b', s=100, label=lbl)

# set limit, xlabel, ylabel, legend ...
# ...

plt.show()

谢谢，

【问题讨论】：

你不应该用它自己的 scatter 命令绘制每一个点。这需要很长时间，如果您想拥有一个图例，您将拥有每个点的条目。你可以使用这个：x = [value[0] for value in samples]y = [value[1] for value in samples]

标签： python graph matplotlib

【解决方案1】：

使用polyfit做线性回归：

import matplotlib.pyplot as plt
from pylab import polyfit, poly1d

x, y = zip(*samples)

fit = polyfit(x, y, 1)
fit_fn = poly1d(fit)
plt.plot(x,y, '*', x, fit_fn(x), 'k')

plt.show()

示例结果：

【讨论】：

我想你只想要fit=polyfit(smp[0],smp[1],1)，因为smp[0] 是数组，就像plt.scatter 中的第一个参数一样。或者只是做x=smp[0]; y=smp[1]
@Gabriel 不，根据 OP 的 for 循环，样本数组的格式为 [[x1, y1], [x2, y2], [x3, y3], ..]。所以首先对x 和y 进行排序（一种方法）似乎是必要的。
对，我现在明白了。如果是这种情况，则期望 OP 图的图例中有多个项目，但现在意识到 OP 代码没有生成该图像。