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
要使用Python画曲线拟合,你可以使用NumPy、Matplotlib和SciPy库。下面是一个示例代码,展示了如何使用这些库来进行直线、二次曲线和三次曲线拟合并绘制图形。 ```python import numpy as np import matplotlib.pyplot as plt from scipy import optimize # 直线方程函数 def f_1(x, A, B): return A*x + B # 二次曲线方程 def f_2(x, A, B, C): return A*x*x + B*x + C # 三次曲线方程 def f_3(x, A, B, C, D): return A*x*x*x + B*x*x + C*x + D def plot_test(): plt.figure() # 拟合点 x0 = \[1, 2, 3, 4, 5\] y0 = \[1, 3, 8, 18, 36\] # 绘制散点 plt.scatter(x0\[:\], y0\[:\], 25, "red") # 直线拟合与绘制 A1, B1 = optimize.curve_fit(f_1, x0, y0)\[0\] x1 = np.arange(0, 6, 0.01) y1 = A1*x1 + B1 plt.plot(x1, y1, "blue") # 二次曲线拟合与绘制 A2, B2, C2 = optimize.curve_fit(f_2, x0, y0)\[0\] x2 = np.arange(0, 6, 0.01) y2 = A2*x2*x2 + B2*x2 + C2 plt.plot(x2, y2, "green") # 三次曲线拟合与绘制 A3, B3, C3, D3= optimize.curve_fit(f_3, x0, y0)\[0\] x3 = np.arange(0, 6, 0.01) y3 = A3*x3*x3*x3 + B3*x3*x3 + C3*x3 + D3 plt.plot(x3, y3, "purple") plt.title("test") plt.xlabel('x') plt.ylabel('y') plt.show() return plot_test() ``` 这段代码定义了三个函数,分别表示直线方程、二次曲线方程和三次曲线方程。然后,通过使用`optimize.curve_fit`函数来拟合给定的数据点,并得到拟合的参数。最后,使用`np.arange`函数生成一系列x值,并根据拟合的参数计算对应的y值,然后使用`plt.plot`函数绘制曲线。最后,使用`plt.title`、`plt.xlabel`和`plt.ylabel`函数设置图形的标题和坐标轴标签,使用`plt.show`函数显示图形。 希望这个示例能够帮助到你。如果有任何问题,请随时提问。 #### 引用[.reference_title] - *1* [【python图像处理】直线和曲线拟合与绘制(curve_fit()详解)](https://blog.csdn.net/guduruyu/article/details/70313176)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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