PYTHON：每x值多个y值的最佳拟合行

Question

我在matplotlib中绘制一个1d数组（x轴）对一个2d数组（y轴），所以每个x值都有多个y值。我想绘制一条最佳拟合的直线（线性回归），而不仅仅是一条连接点的直线。我怎么能这么做？？？

所有otehr示例似乎每个x值只有一个y值。当我使用从sklearn.linear_model导入线性回归时，我得到的最佳拟合线与每个x值的y值一样多。

编辑：以下是我尝试过的代码：

model = LinearRegression()
x_axis2 = np.arange(0,len(av_rsq3))
x_axis2 = x_axis2.reshape(-1,1)
model.fit(x_axis2, av_rsq3)
pt.figure()
pt.plot(x_axis2,av_rsq3, 'rx')
pt.plot(x_axis2, model.predict(x_axis2))

注意：x_axis2是一个一维阵列，而av_rsq3是一个二维阵列。

Answer 1

如果只想绘制y值和它们之间的平均线，这是可能的。从另一个答案借用虚拟数据：

x = [1,2,3,4]

y = [4,6,2,7]
y1 = [2,3,6,8]

plt.scatter(x,y)
plt.scatter(x,y1)
plt.plot(x,[((y[i]+y1[i])/2) for i in range(len(y))])

Answer 2

您需要做的是提供一对一映射。点出现的顺序并不重要。如果你有这样的东西

X:  [1,2,3,4]
Y1: [4,6,2,7]
Y2: [2,3,6,8]

你会得到这个

X: [1,2,3,4,1,2,3,4]
Y: [4,6,2,7,2,3,6,8]

Answer 3

你只需要添加这些与x值匹配的点作为普通点，然后你可以添加一行最佳拟合如下：

import numpy as np
from numpy.polynomial.polynomial import polyfit
import matplotlib.pyplot as plt

x = np.array([1,2,3,4,5,6,6,6,7,7,8])
y = np.array([1,2,4,8,16,32,34,30,61,65,120])

# Fit with polyfit
b, m = polyfit(x, y, 1)

plt.plot(x, y, '.')
plt.plot(x, b + m * x, '-')
plt.show()

*（或其他多项式系数）