Python 使用pandas或seaborn通过条形图绘制回归线

我刚接触熊猫和海生动物，正在努力学习。我试图在同一个图表上添加趋势线和条形图。我有一些数据看起来像

Year     Sample Size
 2000      500
 2001      3000
 2003      10000
 2004      20000
 2004      23000

我对熊猫和海洋生物还不熟悉，我试图在条形图上画一条线，显示出下降或上升的趋势，但在同一张图上很难做到这一点。到现在为止，我有一个条形图。下面您可以找到代码

sampleSizes['Sample Size']->是我正在绘制的列。它在12年内有大约12个值

plt.figure()
ax = sampleSizes['Sample Size'].plot(kind='bar', title="Trend of Sample Sizes", figsize=(15, 10), legend=True, color = 'grey', fontsize=8)
plt.show()

我正在努力为这一点添加一条趋势线。如果有人能给我指出正确的方向，我将不胜感激

更新

FinancialYear  Sample Size
   2001         2338
   2002         3171
   2003         2597
   2004         2740
   2005         3447
   2006         3098
   2007         2610
   2008         2819
   2009         2057
   2010         2174
   2011         2709

enter code here

---

更新2:使用更新的数据集

In [250]: lr = Ridge()

In [251]: lr.fit(df[['FinancialYear']], df['Sample Size'])
Out[251]:
Ridge(alpha=1.0, copy_X=True, fit_intercept=True, max_iter=None,
   normalize=False, random_state=None, solver='auto', tol=0.001)

In [252]: plt.bar(df['FinancialYear'], df['Sample Size'])
Out[252]: <Container object of 11 artists>

In [253]: plt.plot(df['FinancialYear'], lr.coef_*df['FinancialYear']+lr.intercept_, color='orange')
Out[253]: [<matplotlib.lines.Line2D at 0x171def60>]

结果:

---

条形图是否是正确的表示形式？还是直线图更合适？也有，但听起来你的数据根本不是线性的。@Aryamcarthy是的，我同意线图会更好，但我正在尝试在同一个图上绘制条形图和一条显示数据趋势的线。我希望它清楚地表明我正在努力实现的目标。我已经编辑了上面的数据。我只是随机得到了这些数字。这些数字不一定代表我的数据。然而，变量是我能够做到这一点。我试着画一条更平滑的线，就像一条回归线，只是显示了总的趋势。就像一条向上的直线（就像线性回归中的直线），而不是连接起来。@paddy，请检查更新的答案-这就是你想要的吗？天哪，是的。非常感谢你。过去我一直在努力hour@MaxU很奇怪。所以当我有全部12个值时，你的代码可以工作。当我删除一个，因为它是一个异常值，它似乎崩溃。“你知道为什么会这样吗？”帕迪，你能提供一个可复制的数据集吗？

In [184]: from sklearn.linear_model import Ridge

In [185]: lr = Ridge()

In [186]: lr.fit(df[['Year']], df['Sample Size'])
Out[186]:
Ridge(alpha=1.0, copy_X=True, fit_intercept=True, max_iter=None,
   normalize=False, random_state=None, solver='auto', tol=0.001)

In [187]: plt.bar(df['Year'], df['Sample Size'])
Out[187]: <Container object of 5 artists>

In [188]: plt.plot(df['Year'], lr.coef_*df['Year']+lr.intercept_, color='orange')
Out[188]: [<matplotlib.lines.Line2D at 0x17062898>]

plt.bar(df['Year'], df['Sample Size'])
plt.plot(df['Year'], df['Sample Size'], '-o', color='orange')