Python 如何使用numpy多边形拟合强制散射点线性拟合通过零点？

我有分散点，试着用numpy多边形拟合做一个线性拟合y=m*x+b，b=0。有没有办法强制拦截b为0？我能再要一份方差吗

---

我在谷歌上搜索，有人说np.linalg.lstsq可能有效，但我不知道如何操作它。我更喜欢np.polyfit。它能工作吗？

线性代数在这里可能有点过头了：

x=np.asarray([1,2,4,5,7,8,9])
y=np.asarray([2,1,3,6,4,7,9])

m,b=np.polyfit(x,y,1)

对于未加权的相关性，这项工作做得很好。

否。np.polyfit没有删除低阶项的方法。以下是使用np.linlg.lstsq的方法：

这与：

m = np.linalg.lstsq(x.reshape(-1,1), y)[0][0]
m

0.87916666666666654

---

这只是一个平均值，不是最小平方拟合。OP没有指定租赁平方，但无论如何我错了。我想知道你的答案。什么是[0][0]？只能是[0]还是0,0？我可以得到方差或其他一些参数吗？不，np.linalg.lstsq输出数组列表，因此第一个[0]是列表理解，然后下一个[0]是数组理解。残差为[1][0]。检查以查看np.linalg.lstsq的其他输出，但在这种情况下，大部分输出都没有用处。

m = np.linalg.lstsq(x.reshape(-1,1), y)[0][0]
m

0.87916666666666654

np.mean(y/x)

0.98520408163265305