csv 数据集的最适合 Python 的行？
Line of best fit in Python for csv data set?
我正在制作一个非常基本的情节。我有一个如下所示的 csv 数据集：
1,280.6
2,280.2
3,276.6
4,279.6
5,277.4
6,279.4
7,274.2
8,278.2
9,276.4
10,279.4
11,274.6
12,276.2
13,274.4
14,277.8
我正在用 matplotlib 绘制它，如下所示：
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv('dataset.csv', delimiter=',',header=None,names=['x','y'])
plt.plot(df['x'], df['y'], label='',color=current_palette)
plt.xlabel('x')
plt.ylabel('y')
plt.title('Title')
plt.show()
这给出了这个：
a pretty graph
根据我的知识和我在此处找到的以前的答案，我知道在绘制给定方程式或范围或类似内容时如何计算最佳拟合线。但是，找到最适合给定数据集的直线的最佳方法是什么？
非常感谢！
为了找到最合适的线，我建议使用 scipy 的 linear regression module。
from scipy.stats import linregress
slope, intercept, r_value, p_value, std_err = linregress(df['x'], df['y'])
既然您已经有了斜率和截距，就可以绘制最佳拟合线了。
我正在制作一个非常基本的情节。我有一个如下所示的 csv 数据集：
1,280.6
2,280.2
3,276.6
4,279.6
5,277.4
6,279.4
7,274.2
8,278.2
9,276.4
10,279.4
11,274.6
12,276.2
13,274.4
14,277.8
我正在用 matplotlib 绘制它，如下所示：
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv('dataset.csv', delimiter=',',header=None,names=['x','y'])
plt.plot(df['x'], df['y'], label='',color=current_palette)
plt.xlabel('x')
plt.ylabel('y')
plt.title('Title')
plt.show()
这给出了这个： a pretty graph
根据我的知识和我在此处找到的以前的答案，我知道在绘制给定方程式或范围或类似内容时如何计算最佳拟合线。但是，找到最适合给定数据集的直线的最佳方法是什么？
非常感谢！
为了找到最合适的线，我建议使用 scipy 的 linear regression module。
from scipy.stats import linregress
slope, intercept, r_value, p_value, std_err = linregress(df['x'], df['y'])
既然您已经有了斜率和截距，就可以绘制最佳拟合线了。