在工作中常常需要将数据进行线性拟合并画出带有方程和R2的线性拟合图,用excel和origin都可以快速地进行拟合,但需要先画出散点图,再进行线性拟合。而且origin需要把方程自己以文本形式输入。如果图多的话,还是很辛苦的。 因此,本文使用python的scipy.stats 包对数据进行线性拟合,并用matplotlib批量出图,方便快捷的得到结果,提高效率,节省时间。

假设数据如图所示:

import pandas as pd
import scipy.stats as st
import numpy as np
import matplotlib.pyplot as pltdf1=pd.read_excel('transmission.xlsx', sheet_name='Sheet5', header=0)
print(df1)x1=df1['Time']
yvalue=locals()
yname=['N004','N005','N007','N008','N009','N010']  #此处名字为各列名称
for i in range(1,7):yvalue['y'+str(i)]=df1[yname[i-1]]  #把不同列的值赋予不同的y(i),注意yname的列表排序从0开始,所以要[i-1]print (y1)yvalue=locals()
slopev=locals()
interceptv=locals()
r_valuev=locals()
p_valuev=locals()
std_errv=locals()
figv=locals()
for i in range(1,7):slopev['slope'+str(i)],interceptv['intercept'+str(i)],r_valuev['r_value'+str(i)],p_valuev['p_value'+str(i)],std_errv['std_err'+str(i)] = st.linregress(x1, yvalue['y'+str(i)])print('r'+str(i)+'='+str(r_valuev['r_value'+str(i)]))figv['fig'+str(i)],ax=plt.subplots()ll=ax.plot(x1, yvalue['y'+str(i)],'s')x_pre=np.arange(0,216.5,0.5)y_pre=slopev['slope'+str(i)] * x_pre + interceptv['intercept'+str(i)]ll2=ax.plot(x_pre,y_pre,'red',linewidth=2)plt.ylabel('mass loss (g)',fontdict={'family' : 'Arial', 'size'   : 20})plt.xticks(fontproperties = 'Arial', size = 16) #X轴 字体设置plt.yticks(fontproperties = 'Arial', size = 16) #X轴 字体设置plt.xlabel('Time (h)', fontdict={'family' : 'Arial', 'size'   : 20})s1=round(slopev['slope'+str(i)],4)i1=round(interceptv['intercept'+str(i)],4)func1='y='+str(s1)+'*x'+'+'+str(i1)R2=np.square(r_valuev['r_value'+str(i)]) #st计算出来的是皮尔逊r,需要做平方计算得到R2R2=round(R2,4)print('R2-'+str(i)+'='+str(R2))R2='R2='+str(R2)ax.text(0.2, 0.8, func1, transform=ax.transAxes)  #ax.transAxes():以子图为基准的坐标变换(以子图维度(从0到1)为单位),这样避免plt.text 只能在固定位置,但不同子图横纵坐标可能相差很大ax.text(0.2, 0.75, R2, transform=ax.transAxes)namelist=['N004','N005','N007','N008','N009','N010']plt.title(namelist[i-1])figv['fig'+str(i)].savefig(namelist[i-1]+'.png',dpi=600,format='png',bbox_inches='tight')###########################plt.show()print('Done!')

最后出图示例 (其中一张):

phton进行批量线性拟合以及批量快速出图相关推荐

  1. Revit软件是用来做什么的?可以快速出图的revit插件

    Revt中用来标识对象的大多数术语是业界通用的标准术语.但是,有一些术语对revit来讲是唯一的.了解下列基本概念对于了解Revt非常重要. 1.项目 在Reⅶit中,项目是单个设计信息数据库--建筑 ...

  2. 好用!强大的词云图文字云制作神器!可永久使用,快速出图,支持自动分词关键词筛选词频统计!

    可永久使用的词云图文字云一键制作软件,快速出图,支持自动分词关键词筛选词频统计! 软件名称:MagicCloud词云图制作软件(简化版.标准版,升级版) 目前仅支持Windows电脑安装,软件安装大小 ...

  3. 用计算机图形学画字母,r 语言快速出图——单因素方差带字母显著性标记

    相信带字母的显著性标记图大家都不会陌生,在许多文献中多可以看到类似的图.首先来看看它长啥样 用不同的字母来表示显著性,字母相同不显著 不管是在月末组会汇报,还是自己写文章过程中都会用到.今天就一起来学 ...

  4. 分享三款在线作图工具,0基础也能快速出图

    对于现在的新媒体运营人员来说,作图已经是一种必备技能了,辛辛苦苦的写完文案,然后碰见需要做海报.做封面图,而且也没有美工或者设计师帮忙,只能自己来做,仿佛在说你做新媒体运营居然不会作图,那你还做什么自 ...

  5. 使用Origin进行线性拟合,并将误差较大的点隐去重新进行拟合

    文章目录 1.导入数据. 2.选择第二列并创建散点图. 3.选择Analysis: Fitting: Linear Fit.在打开的对话框中,接受默认设置并单击"OK"以执行线性拟 ...

  6. revit的常用插件出图有哪些?怎么快速局部平面?

    说到revit的出图功能大家一定很头疼,因为revit根本就没有专门的出图规范,所以对于使用revit的我们来说有时候就是个坑,很多时候revit的原生出图功能真的是让人感到头大又无可奈可,不过有需求 ...

  7. Python批量运行Gprmax仿真并快速提取雷达波走时和振幅

    Python批量运行Gprmax仿真并快速提取雷达波走时和振幅 使用gprmax仿真模拟时,通常在cmd窗口写命令,运行结果保存的文件夹不能任意选择,这样很不方便.尤其是在做钻孔电磁波仿真时,需要大量 ...

  8. matlab求直线斜率程序,使用matlab实现批量线性回归并出图(需要得到每条拟合直线斜率、截距以及R)...

    使用matlab实现批量线性回归并出图(需要得到每条拟合直线斜率.截距以及R) 我只会使用origin对多组数据进行线性回归,不会用matlab.现在数据比较多,大约100多组,我想请大家帮忙,能不能 ...

  9. CAD怎么批量打印图纸?如何快速打印批量CAD图纸?

    CAD图纸是我们常用的一种图纸文件格式,在我们使用完CAD图纸文件时,我们经常需要对CAD图纸文件进行打印,那么我们怎么操作可以打印CAD图纸文件?CAD怎么批量打印图纸?如何快速打印批量CAD图纸? ...

最新文章

  1. wxpython应用程序对象与顶级窗口_wxPython 基础 | 学步园
  2. Kubernetes客户端client-go简介
  3. 程序员保值的5个秘密
  4. Linux驱动编程 step-by-step (二) 简单字符设备驱动
  5. js正则匹配闭合标签_正则表达式匹配封闭html标签
  6. 【博客项目】—登录功能实现( 四)
  7. 关于DataSet与Strongly typed DataSet几点思考(原创)
  8. [转]小D课堂 - 零基础入门SpringBoot2.X到实战_汇总
  9. 分享两个开源的成品项目,一个视频播放器,一个音乐播放器!
  10. Boot Loader点点滴滴(转)
  11. EN 50332手机Type-C数字音频输出测试
  12. Mac移动硬盘分区无法装载
  13. 广义相加模型(GAM)及R实现
  14. SPL 工业智能:识别指定工况
  15. NAS 详细搭建方案 - 安装Ubuntu Server
  16. 初级会计实务--第七章第二节、产品高成本的核算和一般程序
  17. QT+opencv实现人脸检测并提取裁剪
  18. cocos2dx-标签:Label的使用
  19. Rust开发——Vec向量
  20. 基于Python近红外光谱分析与机器学、深度学习方法融合技术

热门文章

  1. Android 锁定屏幕 不可解锁
  2. Python实现inpolygon函数
  3. 基于html加css做一个静态网页作业
  4. 使CPU利用率跑高的脚本致使服务器死机
  5. Linux环境hdparm 工具使用
  6. c语言怎样进行文件复制,C语言文件复制实例详解
  7. CSS学习及响应式布局
  8. 有关植物的一些基本定义
  9. 学习笔记20230508--es6新特性 打散数组和解构赋值 (应用层面)
  10. android5.1.1的vivo手机,【Android】解决Vivo及5.1低版本 webView适配问题