Matplotlib / numpy ile doğrusal regresyon

Oluşturduğum bir dağılım grafiğinde doğrusal bir regresyon oluşturmaya çalışıyorum, ancak verilerim liste biçiminde ve kullanma ile ilgili bulabildiğim tüm örnekler kullanmayı polyfitgerektirir arange. arangeyine de listeleri kabul etmiyor. Bir listeyi bir diziye nasıl dönüştüreceğim konusunda çok araştırdım ve hiçbir şey net görünmüyor. Bir şey mi kaçırıyorum?

Bundan sonra, tamsayılar listemi polyfit? Girdisi olarak en iyi nasıl kullanabilirim ?

işte takip ettiğim polyfit örneği:

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 listeler (iyi, uyuşuk diziler) üretir ; yazın help(np.arange)Ayrıntılar için. Mevcut listelerde aramanıza gerek yok.

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

poly1d"M * x + b" ve daha yüksek mertebeden eşdeğerlerini yazmak yerine burada kullanma eğiliminde olduğumu eklemeliyim , böylece kodunuzun sürümünün şuna benzer bir şeye benzeyecektir:

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)

Bu kod:

from scipy.stats import linregress

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

aşağıdakileri içeren bir liste verir:

eğim:
regresyon çizgisinin kayan eğimi
kesişim noktası: regresyon çizgisinin kayan noktalı
kesişim noktası
r değeri: kayan
korelasyon katsayısı
p-değeri:
sıfır hipotezi eğimin sıfır olduğu bir hipotez testi için iki taraflı p-değeri
float stderr: float
Tahminin standart hatası

Kaynak

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()

Bunu kullan ..

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()

Hızlı ve kirli bir başka cevap da, listenizi aşağıdakileri kullanarak bir diziye dönüştürebileceğinizdir:

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