Python 在对数图上绘制最佳拟合直线

有一些我在对数图上绘制的数据，现在我想拟合一条穿过这些点的直线。我试过各种各样的方法，但都找不到我想要的。示例代码：

import numpy as np
import matplotlib.pyplot as plt
import random

x= np.linspace(1,100,10)
y = np.log10(x)+np.log10(np.random.uniform(0,10))
coefficients = np.polyfit(np.log10(x),np.log10(y),1)
polynomial=np.poly1d(coefficients)
y_fit = polynomial(y)
plt.plot(x,y,'o')
plt.plot(x,y_fit,'-')
plt.yscale('log')
plt.xscale('log')

这给了我一条理想的“直线”，在对数偏移量的基础上加上一个随机数，然后拟合出一个一维多边形。输出为：

所以忽略偏移量，我可以处理，它不是我所需要的，因为它基本上在每个点之间画了一条直线，然后把它们连接起来，而我需要一条穿过它们中间的“最佳拟合线”，这样我就可以测量它的梯度

实现这一目标的最佳方法是什么？

一个问题是

y_fit = polynomial(y)

您必须插入

x

值，而不是

y

，才能获得

y\u拟合

此外，您将

log10（y）

与

log10（x）

进行拟合，因此要计算线性插值器，您必须插入

log10（x）

，结果将是

y

值的基10对数

这里是脚本的修改版本，后面是它生成的绘图

import numpy as np
import matplotlib.pyplot as plt
import random


x = np.linspace(1,100,10)
y = np.log10(x) + np.log10(np.random.uniform(0,10))

coefficients = np.polyfit(np.log10(x), np.log10(y), 1)
polynomial = np.poly1d(coefficients)
log10_y_fit = polynomial(np.log10(x))  # <-- Changed

plt.plot(x, y, 'o-')
plt.plot(x, 10**log10_y_fit, '*-')     # <-- Changed
plt.yscale('log')
plt.xscale('log')

将numpy导入为np
将matplotlib.pyplot作为plt导入
随机输入
x=np.linspace（1100,10）
y=np.log10（x）+np.log10（np.random.uniform（0,10））
系数=np.多元拟合（np.对数10（x），np.对数10（y），1）
多项式=np.poly1d（系数）
log10_y_fit=多项式（np.log10（x））#这看起来正是我想要的，只是当我尝试它时，它不是这样工作的？这就是我所拥有的，这就是结果。它看起来和你的很像，还是我遗漏了一些明显的东西？谢谢。在该代码中，您可以绘制
10**np.log10（y\u-fit）
。不要使用
y_fit
的
log10
；只需绘制
10**y_-fit
。嗨，这还没有完全输出您得到的结果-我只是更改了它，所以我没有使用
y_-fit
的
log10
，而是
10**y_-fit
，我得到了。你的答案对我来说很有意义：将一个多项式拟合到x/y的log10值，然后将其拟合到log10x并绘制它。我不太清楚你为什么要在最后策划它的时候把它拍下来？我也不知道为什么我的输出和你的不一样！