如何在基於KDE的散點圖matplotlib上繪製趨勢線？

Question

我目前正在試圖在MatPlotLib中繪製散點圖上的趨勢線圖。

我知道numpy polyfit函數。它不會做我想要的。

因此，這裏是我到目前爲止有：

plot = plt.figure(figsize=(10,10)) #Set up the size of the figure 

cmap = "viridis" #Set up the color map 

plt.scatter(samples[1], samples[0], s=0.1, c=density_sm, cmap=cmap) #Plot the Cross-Plot 

plt.colorbar().set_label('Density of points') 

plt.axis('scaled') 
plt.xlim(-0.3,0.3) 
plt.ylim(-0.3,0.3) 
plt.xlabel("Intercept") 
plt.ylabel("Gradient") 

plt.axhline(0, color='green', alpha=0.5, linestyle="--") 
plt.axvline(0, color='green', alpha=0.5, linestyle="--") 

#Trend-line_1 
z = np.polyfit(samples[1], samples[0], 1) 
p = np.poly1d(z) 
plt.plot(samples[0],p(samples[0]),color="#CC3333", linewidth=0.5) 

#Trend-line_2 
reg = sm.WLS(samples[0], samples[1]).fit() 
plt.plot(samples[1], reg.fittedvalues) 

這裏是結果：

Scatter-plot with trends

我要的是：

Scatter-Plot_desired

趨勢可以很容易看到，但問題是w帽子功能使用？

Answer 1

樣本[0]是您的「y」，樣本[1]是您的「x」。在趨勢線圖中使用樣本[1]。

Answer 2

polyfit的行爲是例外，結果是正確的。問題是，polyfit不能做，你期望的。所有（典型的）擬合程序最小化擬合和擬合的數據點之間的垂直（y軸）距離。然而，你似乎期望的是，它將擬合和數據之間的歐氏距離最小化。看到這個數字的區別：

這裏也看到代碼，說明隨機數據的事實。請注意，數據（參數a）的線性關係可通過擬合恢復，而歐幾里德擬合則不會這樣。因此看起來不適合是優選的。

N = 10000 
a = -1 
b = 0.1 

datax = 0.3*b*np.random.randn(N) 
datay = a*datax+b*np.random.randn(N) 

plot = plt.figure(1,figsize=(10,10)) #Set up the size of the figure 
plot.clf() 

plt.scatter(datax,datay) #Plot the Cross-Plot 

popt = np.polyfit(datax,datay,1) 
print("Result is {0:1.2f} and should be {1:1.2f}".format(popt[-2],a)) 

xplot = np.linspace(-1,1,1000) 

def pol(x,popt): 
    popt = popt[::-1] 
    res = 0 
    for i,p in enumerate(popt): 
     res += p*x**i 
    return res 

plt.plot(xplot,pol(xplot,popt)) 

plt.xlim(-0.3,0.3) 
plt.ylim(-0.3,0.3) 
plt.xlabel("Intercept") 
plt.ylabel("Gradient") 
plt.tight_layout() 
plt.show()