Python 基于坡度向matplotlib散点图添加直线

我有一个从数据框构建的散点图——它显示了两个变量的相关性——长度和年龄

import matplotlib.pyplot as plt
df = DataFrame (......)
plt.title ('Fish Length vs Age')
plt.xlabel('Length')
plt.ylabel('Age (days)')
plt.scatter(df['length'],df['age'])

现在我想在散点图中添加一条斜率为0.88的直线。我该怎么做

另外，所有的例子我都设法找到了使用点，而不是坡度来画线

更新。我重新阅读了这个理论——结果证明，应该根据数据点绘制相关系数的事实是由我自己造成的：）部分原因在于我脑海中的这个图像

---

然而，我仍然对matplotlib的线条绘制功能感到困惑，相关系数不会给出回归线的斜率，因为数据的比例不同。如果你想用回归线绘制散点图，我建议在

seaborn

中使用最少的代码行

要安装seaborn

pip install seaborn

代码示例：

import numpy as np
import pandas as pd
import seaborn as sns

# simulate some artificial data
# =====================================
df = pd.DataFrame(np.random.multivariate_normal([10, 100], [[100, 800], [800, 10000]], size=100), columns=['X', 'Y'])

df

# plot 
# ====================================
sns.set_style('ticks')
sns.regplot(df.X, df.Y, ci=None)
sns.despine()  


编辑：
基于@JinxunLi的答案，您只需添加一条连接两点的线

这两个点具有x和y坐标，因此对于这两个点，您将有四个数字：
x\u 0
，
y\u 0
，
x\u 1
，
y\u 1

假设您希望这两个点的x坐标跨越x轴，因此您将手动设置
x_0
和
x_1
：

x_0 = 0
x_1 = 5000

或者，您可以从轴获取最小值和最大值：

x_min, x_max = ax.get_xlim()
x_0 = x_min
x_1 = x_max

将直线的坡度定义为y增加/x增加，即：

slope = (y_1 - y_0) / (x_1 - x_0)

这可以重新安排为：

(y_1 - y_0) = slope * (x_1 - x_0)

这个斜率有无限多条平行线，所以我们必须设置一个点开始。在本例中，假设您希望线穿过原点
（0,0）

现在，您可以将
y_1
的公式重新排列为：

y_1 = slope * (x_1 - x_0) + y_0

如果您知道希望坡度为0.88，则可以计算其他点的y位置：

y_1 = 0.88 * (5000 - 0) + 0

对于您在问题中提供的数据，坡度为0.88的直线将很快飞离y轴的顶部（
y_1=4400
）

在下面的例子中，我画了一条斜率为0.03的线

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# simulate some artificial data
# =====================================
df = pd.DataFrame( { 'Age' : np.random.rand(25) * 160 } )

df['Length'] = df['Age'] * 0.88 + np.random.rand(25) * 5000

# plot those data points
# ==============================
fig, ax = plt.subplots()
ax.scatter(df['Length'], df['Age'])

# Now add on a line with a fixed slope of 0.03
slope = 0.03

# A line with a fixed slope can intercept the axis
# anywhere so we're going to have it go through 0,0
x_0 = 0
y_0 = 0

# And we'll have the line stop at x = 5000
x_1 = 5000
y_1 = slope (x_1 - x_0) + y_0

# Draw these two points with big triangles to make it clear
# where they lie
ax.scatter([x_0, x_1], [y_0, y_1], marker='^', s=150, c='r')

# And now connect them
ax.plot([x_0, x_1], [y_0, y_1], c='r')    

plt.show()

不不不！！：）我还没有绘制回归线：）我现在只想绘制一条具有给定斜率的直线：）你能帮我只使用matplotlib吗？@Dennis一条具有相关系数的直线，因为斜率在散点图中没有意义，因为你的x-y标度不匹配。为了理解我的意思，试着在散点图上画y=c+0.88x，当x从1000增加到2000时，y应该增加880。你的y刻度是多少<代码>[0160]

不适合。回归斜率给出了

相关性*sigma_y/sigma_x

，它解释了这种缩放问题。我理解您的意思，非常感谢您的明确解释！但是：）如果我重新表述我的问题“我如何在matplotlib中用给定的斜率画一条线？”你能帮我解决这个简单的问题吗？暂时忘记回归和相关性Pleeeease@Dennis好的，我已经编辑了答案，使用

.plot

和两个点来绘制一条线。对于无限多条线，皮尔逊相关系数可以为0.88-r值（PCC）不会告诉你线的斜率，它告诉你数据点离“最佳拟合线”有多远。你能编辑你的问题来澄清你希望斜率是什么吗？@KirstieJane我更新了问题：）@iX3在问题中链接到皮尔逊相关系数没有意义。坡度与此无关，应该删除引用。@KirstieJane，很抱歉。看起来好像有人在改变OP的问题，没有任何解释；这就是我拒绝删除的原因。我现在将尝试纠正这一点。刚刚意识到需要限制matplotlib中的一行-id没有“无穷大”的概念//再次感谢

y_1 = 0.88 * (5000 - 0) + 0

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# simulate some artificial data
# =====================================
df = pd.DataFrame( { 'Age' : np.random.rand(25) * 160 } )

df['Length'] = df['Age'] * 0.88 + np.random.rand(25) * 5000

# plot those data points
# ==============================
fig, ax = plt.subplots()
ax.scatter(df['Length'], df['Age'])

# Now add on a line with a fixed slope of 0.03
slope = 0.03

# A line with a fixed slope can intercept the axis
# anywhere so we're going to have it go through 0,0
x_0 = 0
y_0 = 0

# And we'll have the line stop at x = 5000
x_1 = 5000
y_1 = slope (x_1 - x_0) + y_0

# Draw these two points with big triangles to make it clear
# where they lie
ax.scatter([x_0, x_1], [y_0, y_1], marker='^', s=150, c='r')

# And now connect them
ax.plot([x_0, x_1], [y_0, y_1], c='r')    

plt.show()