numpy 在同一图上为多个数据集绘制最佳拟合线

44u64gxh 于 2023-02-16 发布在其他

关注(0)|答案(2)|浏览(203)

我试图在多个数据集之间近似一条最佳拟合线，并在一个图上显示所有内容。这个question解决了类似的概念，但内容在MatLab中，因此不一样。
我有来自4个不同实验的数据，这些数据由146值组成，Y值表示距离随时间的变化，X值由整数时间步长(1,2,3,...)表示，Y数据的形状是(4,146)，因为我决定将所有数据保存在一个嵌套列表中，我的X数据的形状是(146,)。我的子图设置如下：

x = [i for i in range(len(temp[0]))]
fig = plt.figure()
ax1 = fig.add_subplot(111)
ax1.scatter(x,Y[0],c="blue", marker='.',linewidth=1)
ax1.scatter(x,Y[1],c="orange", marker='.',linewidth=1)
ax1.scatter(x,Y[2],c="green", marker='.',linewidth=1)
ax1.scatter(x,Y[3],c="purple", marker='.',linewidth=1)

z = np.polyfit(x,Y,3) # Throws an error because x,Y are not the same length
p = np.poly1d(z)
plt.plot(x, p(x))

我不知道如何拟合散点图之间的最佳拟合线。numpy.polyfit文档建议“Several data sets of sample points sharing the same x-coordinates can be fitted at once“，但到目前为止我还没有成功，只能将该线拟合到一个数据集。是否有方法可以将该线拟合到所有数据集？我是否应该使用完全不同的库，如Seaborn？

numpy

来源：https://stackoverflow.com/questions/75444709/plotting-a-line-of-best-fit-on-the-same-plot-for-multiple-datasets

2条答案

按热度按时间

jm2pwxwz1#

尝试将x和Y强制转换为numpy数组（我假设它在一个列表中）。您可以使用x = np.asarray(x)来完成此操作。现在要对数据进行集体拟合，你可以使用Y.flatten()来展平Y数组，它将形状从(n,N)转换为(n*N)。你可以把x数组平铺n次来拟合，这只是把n数组复制到一个新数组中，所以它也会变成形状(n*N,)，这样你就把Y的值和x的对应值匹配了。

N = 10 # no. datapoints
n = 4  # no. experiments

# creating some dummy data
x = np.linspace(0,1, N)  # shape (N,)
Y = np.random.normal(0,1,(n, N))

np.polyfit(np.tile(x, n), Y.flatten(), deg=3)

赞(0）回复(0）举报 2023-02-16

o8x7eapl2#

polyfit函数期望Y数组是(146, 4)，而不是(4, 146)，所以你应该把Y的转置传给它，例如：

z = np.polyfit(x, Y.T, 3)

poly1d函数一次只能执行一个多项式，因此必须循环polyfit的结果，例如：

for res in z:
    p = np.poly1d(res)
    plt.plot(x, p(x))

赞(0）回复(0）举报 2023-02-16

我来回答

numpy 在同一图上为多个数据集绘制最佳拟合线

2条答案

相关问题

热门标签

最新问答