การถดถอยเชิงเส้นด้วย matplotlib / numpy

ฉันพยายามที่จะสร้างการถดถอยเชิงเส้นในพล็อตที่กระจายผมได้สร้าง แต่ข้อมูลของฉันอยู่ในรูปแบบรายการและตัวอย่างทั้งหมดที่ฉันสามารถหาของใช้จำเป็นต้องใช้polyfit ไม่ยอมรับรายการแม้ว่า ฉันได้ค้นหาสูงและต่ำเกี่ยวกับวิธีการแปลงรายการเป็นอาร์เรย์และดูเหมือนไม่มีอะไรชัดเจน ฉันพลาดอะไรไปรึเปล่า?arangearange

ต่อไปนี้ฉันจะใช้รายการจำนวนเต็มเป็นข้อมูลเข้าได้ดีที่สุดpolyfitอย่างไร

นี่คือตัวอย่าง polyfit ที่ฉันกำลังติดตาม:

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 สร้างรายการ (ดีอาร์เรย์ numpy); พิมพ์help(np.arange)สำหรับรายละเอียด คุณไม่จำเป็นต้องเรียกมันในรายการที่มีอยู่

>>> x = [1,2,3,4]
>>> y = [3,5,7,9] 
>>> 
>>> m,b = np.polyfit(x, y, 1)
>>> m
2.0000000000000009
>>> b
0.99999999999999833

ฉันควรเพิ่มว่าฉันมักจะใช้poly1dที่นี่แทนที่จะเขียน "m * x + b" และเทียบเท่าลำดับที่สูงกว่าดังนั้นโค้ดของคุณเวอร์ชันของฉันจะมีลักษณะดังนี้

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

coef = np.polyfit(x,y,1)
poly1d_fn = np.poly1d(coef) 
# poly1d_fn is now a function which takes in x and returns an estimate for y

plt.plot(x,y, 'yo', x, poly1d_fn(x), '--k')
plt.xlim(0, 5)
plt.ylim(0, 12)

รหัสนี้:

from scipy.stats import linregress

linregress(x,y) #x and y are arrays or lists.

ให้รายชื่อดังต่อไปนี้:

ความชัน: ความชันลอย
ของเส้น
ตัดการถดถอย: การสกัดกั้นลอย
ของเส้นถดถอยค่า
r:
สัมประสิทธิ์สหสัมพันธ์ลอยค่า
p-value: ค่าp
สองด้านลอยสำหรับการทดสอบสมมติฐานซึ่งมีสมมติฐานว่างคือความชันเป็นศูนย์
stderr: float
ข้อผิดพลาดมาตรฐานของการประมาณการ

ที่มา

import numpy as np
import matplotlib.pyplot as plt 
from scipy import stats

x = np.array([1.5,2,2.5,3,3.5,4,4.5,5,5.5,6])
y = np.array([10.35,12.3,13,14.0,16,17,18.2,20,20.7,22.5])
gradient, intercept, r_value, p_value, std_err = stats.linregress(x,y)
mn=np.min(x)
mx=np.max(x)
x1=np.linspace(mn,mx,500)
y1=gradient*x1+intercept
plt.plot(x,y,'ob')
plt.plot(x1,y1,'-r')
plt.show()

ใช้สิ่งนี้ ..

from pylab import * 

import numpy as np
x1 = arange(data) #for example this is a list
y1 = arange(data) #for example this is a list 
x=np.array(x) #this will convert a list in to an array
y=np.array(y)
m,b = polyfit(x, y, 1) 

plot(x, y, 'yo', x, m*x+b, '--k') 
show()

คำตอบที่รวดเร็วและสกปรกอีกประการหนึ่งคือคุณสามารถแปลงรายการของคุณเป็นอาร์เรย์โดยใช้:

import numpy as np
arr = np.asarray(listname)