python散点图拟合曲线-【python常用图件绘制#01】线性拟合结果图

一、功能介绍

输入：实测x、y数据

输出：必选：x、y散点图

必选：x、y线性拟合直线

可选：相关性、显著性分析结果显示1-1

1-2

二、代码2-1

import random

from scipy import stats

import matplotlib.pyplot as plt

import seaborn as sns

import pandas as pd

import numpy as np

class Linearfitplot:

def __init__(self, x, y, legends=None, labels=None, fsize=(8, 8), show_info=1):

"""

:param x: 数据x列表

:param y: 数据y列表

:param legends: 图例名，默认为 "线性拟合结果", "实测值"

:param labels:坐标轴标题名，默认为 "数据x", "数据y"

:param show_info:是否显示拟合结果信息

"""

if legends is None:

legends = ["线性拟合结果", "实测值"]

if labels is None:

labels = ["数据x", "数据y"]

self.x = x

self.y = y

self.fsize = fsize

self.legends = legends

self.labels = labels

self.show_info = show_info

def change_legend(self, new_legends):

self.legends = new_legends

def change_label(self, new_labels):

self.labels = new_labels

def rsquared(self, show_info_or_not=0):

"""

:param show_info_or_not: 布尔类型，当其为真时显示信息

:param x:x数据序列

:param y:y数据序列

:return:

r: 相关系数

p：显著性

slope：曲线斜率

intercept:截距

"""

ws = 3 # 各参数保留的小数位数

check_p = "不显著"

slope, intercept, *useless = stats.linregress(self.x, self.y)

r, p = stats.pearsonr(self.x, self.y)

if p <= 0.01:

check_p = "非常显著**"

elif p <= 0.05:

check_p = "显著*"

slope, intercept, r, p = round(slope, ws), round(intercept, ws), round(r, ws), round(p, ws)

info = "y = {0}x + {1} r-square = {2} p：{3}；{4}".format(slope, intercept, round(r**2, ws), p, check_p)

if show_info_or_not:

return info

else:

return slope, intercept, r, p

def draw_plot(self, *args):

"""

绘制图像，包含散点图和拟合线

:param args:

:return:

"""

# 设置画布大小

plt.figure(figsize=self.fsize)

# 生成df

x_name, y_name = "x", "y"

dict_data = {"x": self.x,

"y": self.y

}

df = pd.DataFrame(dict_data)

# 计算并绘制拟合曲线

z1 = np.polyfit(x_data, y_data, 1)

p1 = np.poly1d(z1) # 将系数代入方程，得到函式p1

yvals_data = p1(df[x_name])

# 绘制曲线

sns.set_style("darkgrid")

plt.rcParams['font.sans-serif'] = ['SimHei'] # 显示中文

sns.set_context("talk", font_scale=1)

sns.lineplot(x_data, yvals_data, color="r", lw=1, label=self.legends[0])

sns.scatterplot(x=x_name, y=y_name, data=df, *args, label=self.legends[1])

plt.xlabel(self.labels[0])

plt.ylabel(self.labels[1])

info_show = self.rsquared(self.show_info)

plt.text(self.fsize[0] * 0.6, self.fsize[0] * 0.1, info_show, size=self.fsize[0] * 1.8)

plt.tight_layout()

plt.show()

if __name__ == "__main__":

len_data = 10 # 测试数据序列的长度

x_data = list(range(len_data)) # x轴数据序列

y_data = [i*2+1+random.uniform(0, 1) for i in x_data]

plot1 = Linearfitplot(x_data, y_data, fsize=(10, 6.18))

plot1.draw_plot()

python散点图拟合曲线-【python常用图件绘制#01】线性拟合结果图相关推荐

python散点图拟合曲线-Python解决最小二乘法拟合并绘制散点图
问题背景最近物理老师让用Excel弄一个最小二乘法拟合然后弄出方程来求玻尔兹曼常数.无奈发现Linux上的WPS没有绘图功能无语啊O__O"-,据说绘图功能是用delphi写的,不好做跨平 ...
python散点图拟合曲线-python散点图拟合
广告关闭腾讯云11.11云上盛惠 ,精选热门产品助力上云,云服务器首年88元起,买的越多返的越多,最高返5000元! 下面是我在文本文件中绘制数据散点图的代码. 我打开的文件包含两列. 左列为x坐标 ...
python散点图拟合曲线-python散点图：如何添加拟合线并显示拟合方程与R方？
原标题:python散点图:如何添加拟合线并显示拟合方程与R方? 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=Non ...
python散点图拟合曲线-python 绘制拟合曲线并加指定点标识的实现
python 绘制拟合曲线并加指定点标识 import os import numpy as np from scipy import log from scipy.optimize import c ...
python散点图拟合曲线-python 拟合曲线并求参
需要对数据进行函数拟合,首先画一下二维散点图,目测一下大概的分布, 所谓正态分布,就是高斯分布,正态曲线是一种特殊的高斯曲线. python的scipy.optimize包里的curve_fit函数来 ...
python散点图拟合曲线-python中的多元（多项式）最佳拟合曲线？
Tyson 对this question的公认回答提供了您只需将x和y点的数组以及所需的拟合度(顺序)传递到multipolyfit.这将返回系数,然后可以使用numpy的polyval绘制. 注 ...
python散点图拟合曲线-python – 将曲线拟合到散点图的边界
我发现问题真的很有趣,所以我决定尝试一下.我不知道pythonic或natural,但我认为我已经找到了一种更准确的方法,可以在使用每个点的信息时将边缘拟合到像您这样的数据集. 首先,让我们生成一个看 ...
python散点图拟合曲线-python曲线拟合
http://blog.sina.com.cn/s/blog_aed5bd1d0102vid7.html 1.多项式拟合范例: import matplotlib.pyplot as plt impo ...
python 画频率分布直方图_[python常用图件绘制#03]Gamma分布拟合图
〇.Gamma分布主要参数说明对于一组连续的随机变量x来说,若它的概率密度分布函数f(x|α,β)符合下式时: 0-1 则将这个概率密度函数称为伽码(Г,Gamma)分布,记作 X ~Г(α,β), ...

python散点图拟合曲线-【python常用图件绘制#01】线性拟合结果图

python散点图拟合曲线-【python常用图件绘制#01】线性拟合结果图相关推荐

最新文章

热门文章