python散点图拟合曲线并显示公式_python散点图中如何添加拟合线并显示拟合方程与R方?...

eb83-isuiksp0551065.jpg

polyfit()函数可以使用最小二乘法将一些点拟合成一条曲线.

numpy.polyfit(x, 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

# 解决坐标轴刻度符号乱码plt.rcParams['axes.unicode_minus'] = False# 解决中文乱码问题plt.rcParams['font.sans-serif'] = ['Simhei']import numpy as npimport matplotlib.pyplot as pltx = 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()

8639-isuiksp0551057.jpg

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()

876b-isuiksp0551060.jpg

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()

876b-isuiksp0551060.jpg

评估指标R方

二维散点进行任意函数的最小二乘拟合

5e51-isuiksp0551056.jpg

最小二乘中相关系数与R方的关系推导

4aa7-isuiksp0551064.jpg

其中,

2d7c-isuiksp0551058.jpg

利用相关系数矩阵计算R方

correlation = np.corrcoef(y, 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)

输出为

a07e-isuiksp0551055.jpg

这里是把结果输出到两行里了,但是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, -0.01856314, 4.12010434, 0.47296566] #系数aa=''deg=3for 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: aa=aa+bb else: aa=aa+bb+'x^'+str(deg-i)print(aa)

输出为:

7ad7-isuiksp0551054.jpg

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: aa=aa+bb else: aa=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)

f9f6-isuiksp0551059.jpg

35c5-isuiksp0551069.jpg

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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