python散点图：如何添加拟合线并显示拟合方程与R方？
polyfit()函数可以使用最小二乘法将一些点拟合成一条曲线。散点
numpy.polyfit(x,图何添加 y, deg, rcond=None, full=False, w=None, cov=False) # x:要拟合点的横坐标 # y:要拟合点的纵坐标 # deg:自由度.例如:自由度为2,那么拟合出来的曲线就是二次函数,自由度是3,拟合出来的曲线就是3次函数首先我们先来构造一下需要被拟合的散点
# 解决坐标轴刻度负号乱码 plt.rcParams[axes.unicode_minus] = False # 解决中文乱码问题 plt.rcParams[font.sans-serif] = [Simhei] import numpy as np import matplotlib.pyplot as plt x = np.arange(-1, 1, 0.02) y = 2 * np.sin(x * 2.3) + np.random.rand(len(x))然后打印一下看看
plt.scatter(x, y) plt.show()
然后用polyfit函数来把这些点拟合成一条3次曲线
parameter = np.polyfit(x, y, 3)输出的源码下载结果为3次方程的参数,我们可以像下面这样把方程拼接出来
y2 = parameter[0] * x ** 3 + parameter[1] * x ** 2 + parameter[2] * x + parameter[3]将拟合后的结果打印一下
plt.scatter(x, y) plt.plot(x, y2, color=g) plt.show()
还可以使用poly1d()函数帮我们拼接方程,结果是一样的
p = np.poly1d(parameter) plt.scatter(x, y) plt.plot(x, p(x), color=g) plt.show()
评估指标R方
二维散点进行任意函数的最小二乘拟合
最小二乘中相关系数与R方的关系推导
其中，
利用相关系数矩阵计算R方
correlation = np.corrcoef(y,拟合拟合 y2)[0,1] #相关系数 correlation**2 #R方先来看下poly1d函数自带的输出结果
p = np.poly1d(parameter,variable=x) print(p)
这里是高防服务器把结果输出到两行里了，但是线并显示输出到两行是非常不方便的
尝试下自己编写函数，使输出到一行里
parameter=[-2.44919641,程R方 -0.01856314, 4.12010434, 0.47296566] #系数 aa= deg=3 for i in range(deg+1): bb=round(parameter[i],2) #bb是i次项系数 if bb>=0: if i==0: bb=str(bb) else: bb= ++str(bb) else: bb= +str(bb) if deg==i: aaaa=aa+bb else: aaaa=aa+bb+x^+str(deg-i) print(aa)
封装成函数
def Curve_Fitting(x,y,deg): parameter = np.polyfit(x, y, deg) #拟合deg次多项式 p = np.poly1d(parameter) #拟合deg次多项式 aa= #方程拼接 —————————————————— for i in range(deg+1): bb=round(parameter[i],2) if bb>0: if i==0: bb=str(bb) else: bb=++str(bb) else: bb=str(bb) if deg==i: aaaa=aa+bb else: aaaa=aa+bb+x^+str(deg-i) #方程拼接 —————————————————— plt.scatter(x, y) #原始数据散点图 plt.plot(x, p(x), color=g) # 画拟合曲线 # plt.text(-1,0,aa,fontdict={ size:10,color:b}) plt.legend([aa,round(np.corrcoef(y, p(x))[0,1]**2,2)]) #拼接好的方程和R方放到图例 plt.show() # print(曲线方程为：,aa) # print( r^2为：,round(np.corrcoef(y, p(x))[0,1]**2,2))利用封装的函数重新画图
Curve_Fitting(x,y,3)