使用matplotlib/numpy进行线性回归

我试图在已生成的散点图上生成线性回归，但是我的数据是以列表格式显示的，并且使用polyfit的所有示例都需要使用arange。 arange虽然不接受列表。我已经搜索了如何将列表转换为数组，并且什么都看不清楚。我错过了什么吗？使用matplotlib/numpy进行线性回归

接下来，我如何最好地使用我的整数列表作为polyfit的输入？

这里是我下面的polyfit例如：

from pylab import * 

x = arange(data) 
y = arange(data) 

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

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

来源

2011-05-27 Dingo

120

arange

生成列表（当然，numpy的阵列）;请输入help(np.arange)了解详情。你不需要在现有的列表上调用它。

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

我要补充一点，我倾向于使用poly1d这里，而不是写出来的“M * X + b”和高阶等价物，所以我对你的代码的版本将是这个样子：

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 

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

plt.plot(x,y, 'yo', x, fit_fn(x), '--k') 
plt.xlim(0, 5) 
plt.ylim(0, 12)

来源

2011-05-27 05:47:26 DSM

另一种快速和肮脏的答案是，你可以使用你的列表转换为一个数组：

import numpy as np 
arr = np.asarray(listname)

来源

2014-09-15 20:26:10 drg

此代码：

from scipy.stats import linregress 

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

给出了具有以下的列表：

斜率：浮动
斜率的回归直线的
截距：浮动
截距回归线
r值：浮
相关系数
p值：float
对于假设检验，其零假设双面p值是斜率为零
标准错误：浮动
估计

Source

标准误差

来源

2014-12-08 17:37:02

使用matplotlib/numpy进行线性回归

回答

相关问题