如何使用 matplotlib 将线性回归绘制到线段答案

【问题标题】：How to plot a linear regression to a segment of a line with matplotlib如何使用 matplotlib 将线性回归绘制到线段
【发布时间】：2019-07-18 01:11:09
【问题描述】：

我有一些数据用 matplotlib 绘制成 250 点长的线。我可以拟合整个数据集。但是，我希望使用最小二乘法将回归线拟合并绘制到最后 50 个数据点。最好的方法是什么？（下面是我的情节代码。）

j = 0
for line, rank in sortedSymbols:
    series = getattr(self, line)["CLOSE"]
    dates = pd.to_datetime(getattr(self, line)["DATE"]).dt.date
    ax.plot(dates.iloc[-250:], series.iloc[-250:]/series.iloc[-250] * (40+j), label = line)
    j += 10

【问题讨论】：

标签： python matplotlib statistics

【解决方案1】：

有很多不同的方法可以做到这一点。但是，如果没有关于您的数据结构以及您正在寻找什么的更多信息，这是可以完成的一种方法。 np.polyfit()（文档 here）对列表或数组中的顺序数据使用 OLS 回归。

import numpy as np

j = 0
for line, rank in sortedSymbols:
    series = getattr(self, line)["CLOSE"]
    dates = pd.to_datetime(getattr(self, line)["DATE"]).dt.date

    #Calculate the slope and intercept of fitted curve based on last 50 datapoint using the values 
    #you plotted before with 1 specified for a linear best fit line
    slope, intercept = np.polyfit(dates.iloc[-50:].index,series.iloc[-50:]/series.iloc[-250] * (40+j),1)

    #plot the trend line
    ax.plot(dates.iloc[-50:],slope*dates.iloc[-50:].index+intercept,label=line)


    j += 10

【讨论】：

谢谢，数据结构是通过导入包含股票数据（品种、日期、开盘价、最高价、最低价、收盘价、成交量）的 csv 文件创建的 pandas 数据框，如下所示：df = pd.read_csv （路径+名称）还有其他有用的信息吗？
根据您的日期（如果它们是 datetime 对象），您可能需要转换为数字日期。否则，这应该适用于 pandas 数据框。您可能需要在末尾添加.values 或to_numpy，具体取决于您的版本。
.index 为我工作。编辑您的答案以包括在内。 ttfn