用matplotlib / numpy进行线性回归
我试图在已经生成的散点图上生成一个线性回归，但是我的数据是列表格式的，所有使用polyfit的例子都需要使用arange 。 arange不接受名单。 我已经search高低如何将列表转换为数组，并没有看起来清晰。 我错过了什么吗？
接下来，如何最好地使用我的整数列表作为polyfitinput？
这里是我所遵循的polyfit例子：
from pylab import * x = arange(data) y = arange(data) m,b = polyfit(x, y, 1) plot(x, y, 'yo', x, m*x+b, '--k') show()
arange 生成列表（以及numpy数组）; 键入help(np.arange)的细节。 您不需要在现有列表上调用它。
>>> x = [1,2,3,4] >>> y = [3,5,7,9] >>> >>> m,b = np.polyfit(x, y, 1) >>> m 2.0000000000000009 >>> b 0.99999999999999833
我应该补充一点，我倾向于在这里使用poly1d ，而不是写出“m * x + b”和更高阶的等价物，所以我的版本代码如下所示：
import numpy as np import matplotlib.pyplot as plt x = [1,2,3,4] y = [3,5,7,10] # 10, not 9, so the fit isn't perfect fit = np.polyfit(x,y,1) fit_fn = np.poly1d(fit) # fit_fn is now a function which takes in x and returns an estimate for y plt.plot(x,y, 'yo', x, fit_fn(x), '--k') plt.xlim(0, 5) plt.ylim(0, 12)
此代码：
from scipy.stats import linregress linregress(x,y) #x and y are arrays or lists.
给出了一个列表如下：
斜率：浮动
回归线的斜率
拦截：浮动
拦截回归线
r-value：float
相关系数
p值：浮动
假设检验的双侧p值，零假设是斜率为零
stderr：float
估算的标准误差
资源
另一个快速和肮脏的答案是，你可以将您的列表转换为一个数组使用：
import numpy as np arr = np.asarray(listname)
