使用 matplotlib / numpy 进行线性回归

Question

我试图在我生成的散点图上生成线性回归，但是我的数据是列表格式，我可以找到的所有使用 polyfit 的示例都需要使用 arange 。 arange 虽然不接受列表。我到处搜索如何将列表转换为数组，但似乎没有什么清楚的。我错过了什么吗？

接下来，如何最好地使用我的整数列表作为 polyfit 的输入？

这是我正在关注的 polyfit 示例：

 import numpy as np
import matplotlib.pyplot as plt

x = np.arange(data)
y = np.arange(data)

m, b = np.polyfit(x, y, 1)

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

原文由 user771224 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

arange 生成 列表（嗯，numpy 数组）；输入 help(np.arange) 了解详情。您不需要在现有列表上调用它。

 >>> x = [1,2,3,4]
>>> y = [3,5,7,9]
>>>
>>> m,b = np.polyfit(x, y, 1)
>>> m
2.0000000000000009
>>> b
0.99999999999999833

我应该补充一点，我倾向于在这里使用 poly1d 而不是写出 “m*x+b” 和高阶等价物，所以我的代码版本看起来像这样：

 import numpy as np
import matplotlib.pyplot as plt

x = [1,2,3,4]
y = [3,5,7,10] # 10, not 9, so the fit isn't perfect

coef = np.polyfit(x,y,1)
poly1d_fn = np.poly1d(coef)
# poly1d_fn is now a function which takes in x and returns an estimate for y

plt.plot(x,y, 'yo', x, poly1d_fn(x), '--k') #'--k'=black dashed line, 'yo' = yellow circle marker

plt.xlim(0, 5)
plt.ylim(0, 12)

原文由 DSM 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

这段代码：

 from scipy.stats import linregress

linregress(x,y) #x and y are arrays or lists.

给出一个包含以下内容的列表：

坡度：浮动

回归线的斜率

拦截：浮动

回归线的截距

右值：浮点数

相关系数

p值：浮动

原假设为斜率为零的假设检验的双侧 p 值

标准错误：浮动

估计的标准误差

资源

原文由 George Pamfilis 发布，翻译遵循 CC BY-SA 3.0 许可协议