python中画带置信区间的拟合线几种绘制方式

import seaborn as sns
tips = sns.load_dataset("tips") #导入sns中自带的数据集
sns.regplot(x="total_bill",y="tip",data=tips)

 

import seaborn as sns
from matplotlib import pyplot as plt
tips = sns.load_dataset("tips") 
plt.figure(figsize=(5, 5))
sns.lmplot(x="total_bill",y="tip",hue="sex",data=tips)
plt.savefig(u'D://test2.pdf')

转自:https://www.jianshu.com/p/4d7d7e4ff4f8 

Python拟合函数并计算置信区间可以使用scipy库中的curve_fit函数来实现。curve_fit函数是一个非线性最小二乘拟合的优化函数,可以通过给定的数据拟合出一个函数模型,并返回拟合参数的估计值和协方差矩阵。 以下是一个使用curve_fit函数拟合指数函数并计算置信区间的示例代码: ```python import numpy as np from scipy.optimize import curve_fit import matplotlib.pyplot as plt # 定义指数函数模型 def exponential(x, a, b, c): return a * np.exp(-b * x) + c # 生成模拟数据 x_data = np.linspace(0, 10, 100) y_data = exponential(x_data, 2, 0.5, 1) + np.random.normal(0, 0.2, len(x_data)) # 使用curve_fit函数拟合指数函数 params, cov = curve_fit(exponential, x_data, y_data) # 得到拟合参数的估计值和协方差矩阵 a_fit, b_fit, c_fit = params cov_matrix = cov # 计算置信区间 perr = np.sqrt(np.diag(cov_matrix)) # 参数估计值的标准误差 confidence_interval = 1.96 * perr # 95% 置信区间 print("拟合参数: a =", a_fit, ", b =", b_fit, ", c =", c_fit) print("置信区间: a =", a_fit - confidence_interval[0], "-", a_fit + confidence_interval[0]) print("置信区间: b =", b_fit - confidence_interval[1], "-", b_fit + confidence_interval[1]) print("置信区间: c =", c_fit - confidence_interval[2], "-", c_fit + confidence_interval[2]) # 绘制拟合线和原数据 x_fit = np.linspace(0, 10, 100) y_fit = exponential(x_fit, a_fit, b_fit, c_fit) plt.scatter(x_data, y_data, label="Data") plt.plot(x_fit, y_fit, label="Fitted curve") plt.legend() plt.show() ``` 运行以上代码,将会得到拟合参数的估计值和置信区间,并绘制拟合线和原始数据的图像。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值