Python 对数回归线不直，对数值为负？

我有一个相关图，我试图用对数标度来显示数值。我试图在相关图上显示最佳拟合线

下面是我的代码

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

from scipy import stats

def loglogplot(seed):
    mpl.rcParams.update({'font.size': 10})
    figh, figw = 1.80118*2, 1.80118*2    
    fig, axes  = plt.subplots(1, 1, figsize=(figh, figw))

    axes.set_xscale('log')
    axes.set_yscale('log')

    np.random.seed(seed)
    x = 10 ** np.random.uniform(-3, 3, size=1000*4)
    y = x * 10 ** np.random.uniform(-1, 1, size=1000*4)
    axes.scatter(x, y, color='black', s=10, alpha=0.1)

    logx = np.log10(x)
    logy = np.log10(y)

    slope, intercept, r_value, p_value, std_err = stats.linregress(logx, logy)
    xps = np.arange(10**-4, 10**4, 1)
    axes.plot(xps, slope * xps + intercept, color='red', lw=2)    

    axes.set_xlim((10**-4, 10**4))
    axes.set_ylim((10**-4, 10**4))

    plt.show()

当使用

logplot（seed=5）

运行时，我得到以下图像

当使用

logplot（seed=10）

运行时，我得到以下图像

我预先弄明白了为什么在x=1之前，回归线没有绘制成一条直线。我做错了什么

编辑：将

xps=np.arange（10**-4，10**4，1）

更改为

xps=np.logspace（-4，4，1000）

，结果在质量上没有改善

Seed=5表示：

Seed=10表示：

---

这里问题的关键在于对数刻度不转换数据，而是转换数据显示在图纸空间中的位置。这意味着，您不能将日志转换后的最佳拟合参数用于非日志转换后的数据，并正确地进行打印

您要么需要记录转换数据并直接使用它们，要么需要考虑实际建模的关系并（根据需要撤消它）

通过拟合数据日志，您可以拟合以下等式：

log(y) = m * log(x) + p

使用数学，这会变成：

y = exp(p) * (x ^ m)

因此，您的代码变成：

import numpy
from matplotlib import rcParams, pyplot
from scipy import stats

def loglogplot(seed):
    rcParams.update({'font.size': 10})
    figh, figw = 1.80118*2, 1.80118*2    
    fig, axes  = pyplot.subplots(1, 1, figsize=(figh, figw))

    axes.set_xscale('log')
    axes.set_yscale('log')

    numpy.random.seed(seed)
    x = 10 ** numpy.random.uniform(-3, 3, size=1000*4)
    y = x * 10 ** numpy.random.uniform(-1, 1, size=1000*4)
    axes.scatter(x, y, color='black', s=10, alpha=0.1)

    logx = numpy.log(x)  # <-- doesn't matter that we use natural log
    logy = numpy.log(y)  #     so long as we're consistent

    slope, intercept, r_value, p_value, std_err = stats.linregress(logx, logy)
    xhat = numpy.logspace(-4, 4, 1000)
    yhat = numpy.exp(intercept) * xhat ** slope  # exp -> consistency
    axes.plot(xhat, yhat, color='red', lw=2)    

    axes.set_xlim((10**-4, 10**4))
    axes.set_ylim((10**-4, 10**4))

    return fig

导入numpy
从matplotlib导入rcParams，pyplot
从scipy导入统计信息
def日志图（种子）：
rcParams.update（{'font.size'：10}）
figh，figw=1.80118*2，1.80118*2
图，轴=pyplot.子图（1，1，figsize=（figh，figw））
axes.setxscale（'log'））
轴。设置刻度（'log'）
numpy.random.seed（种子）
x=10**numpy.random.uniform（-3,3，大小=1000*4）
y=x*10**numpy.random.uniform（-1,1，大小=1000*4）
轴散射（x，y，颜色=黑色，s=10，α=0.1）
logx=numpy.log（x）#一致性
坐标轴绘图（xhat，yhat，color='red'，lw=2）
轴设置（10**-4，10**4））
轴设置Y轴（（10**-4，10**4））
返回图

---

尝试使用

np.logspace（-4,4，N）

而不是

np.arange来生成xps

。尝试过，但没有多大帮助。请检查问题中的编辑以查看更改后的图像。您需要将最佳拟合参数转换回其原始单位。对不起，您能告诉我应该在哪里执行此操作吗？我想我是在日志转换空间本身中绘制所有内容，而这些内容或多或少都是相同的。

slope*xps+intercept

不是在日志空间中执行的