파이썬에서 산점도에 선을 과도하게 그리는 방법은 무엇입니까?

파이썬에서 산점도에 선을 과도하게 그리는 방법은 무엇입니까?

---

두 개의 데이터 벡터가 있으며 matplotlib.scatter(). 이제 이러한 데이터에 대한 선형 피팅을 오버 플롯하고 싶습니다. 어떻게해야합니까? 나는 scikitlearn및 np.scatter.

---

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()

---

나는 scikits.statsmodels에 부분적 입니다. 다음은 예입니다.

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[0] + results.params[1])

plt.show()

유일한 까다로운 부분은 절편 항을 얻기 위해 sm.add_constant(X)열을 추가하는 것 X입니다.

     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  |
------------------------------------------------------------------------------

---

나는 이것을 위해 Seaborn의 regplot 또는 lmplot 을 좋아 합니다.

---

최적의 선을 그리는 이 훌륭한 답변 의 한 줄 버전은 다음 과 같습니다 .

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

np.unique(x)대신 사용하면 정렬되지 않았거나 중복 값이 x있는 경우 를 처리 x합니다.

에 대한 호출 poly1d은 이 다른 우수한 답변m*x + b 과 같이 작성하는 대신 사용할 수 있습니다.

---

다른 방법은 다음을 사용하는 것입니다 axes.get_xlim().

import matplotlib.pyplot as plt
import numpy as np

def scatter_plot_with_correlation_line(x, y, graph_filepath):
    '''
    http://stackoverflow.com/a/34571821/395857
    x does not have to be ordered.
    '''
    # 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

---

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

대

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

---

Adarsh ​​Menon https://towardsdatascience.com/linear-regression-in-6-lines-of-python-5e1d0cd05b8d 에서이 자습서를 사용할 수 있습니다.

이 방법은 내가 찾은 가장 쉬운 방법이며 기본적으로 다음과 같습니다.

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()

참조 URL : https://stackoverflow.com/questions/19068862/how-to-overplot-a-line-on-a-scatter-plot-in-python