Python 在x和y方向绘制带有误差条的散布数据并添加趋势线

我有一堆分散的数据，我想绘制并添加一条最佳拟合线（y=ax+b），用相关误差（可能是R）表示方程，并显示95%的置信水平曲线。此外，每个点（x，y）都有一个应出现在图例中的名称，最好每个点都有不同的形状。谁能帮我解决这个问题

x=np.array([100,65,20,85])
xerr=np.array([5,3,2,5])
y=np.array([1,0.75,1.25,2])
yerr=np.array([0.1,0.03,0.01,0])

---

回答我的问题，我知道这么多的代码，但我想添加95%的置信边界，以及与趋势线方程相关的误差在同一个图表中

x=np.array([100,65,20,85])
xerr=np.array([5,3,2,5])
y=np.array([1,0.75,1.25,2])
yerr=np.array([0.1,0.03,0.01,0])


fig, ax = plt.subplots()


ax.errorbar(x, y,
            xerr=xerr,
            yerr=yerr,
            fmt='o')


ax.set_xlabel('X axis')
ax.set_ylabel('Y axis')
ax.set_title('Test Code')


z = np.polyfit(x.flatten(), y.flatten(), 1)
p = np.poly1d(z)
plt.plot(x,p(x),"r--")
plt.title("y=%.6fx+%.6f"%(z[0],z[1])) 

plt.show()

---

我不知道你到底想做什么。也许，像这样的？关于95%置信水平曲线，您可以在这里查看

导入matplotlib.pyplot作为plt
将numpy作为np导入
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
图=plt.图（）
x=np.数组（[100,65,20,85]）
y=np.数组（[1,0.75,1.25,2]）
错误_x=np.数组（[5,3,2,5]）
错误_y=np.数组（[0.1,0.03,0.01,0]）
标签=['A'，'B'，'C'，'D']
符号=['v'，'^'，'']
对于范围（0，len（x））中的i：
plt.散射（x[i]，y[i]，标记=符号[i]，s=70）
plt.errorbar（x[i]，y[i]，xerr=Error\ux[i]，c='black'）
plt.errorbar（x[i]，y[i]，yerr=Error\u y[i]，c='black'）
z=np.polyfit（x.flatte（），y.flatte（），1）
p=np.poly1d（z）
plt.绘图（x，p（x），“r-”）
ci=0.95*np.标准值（y）/np.平均值（y）
（排序（x），p（x）-ci，p（x）+ci，color='b'，alpha=.4）之间的最大填充
对于范围（0，长度（标签））中的l：
plt.text（x[l]，y[l]+0.03，标签[l]）
plt.grid（）
plt.紧_布局（）
plt.savefig（“test.png”）
plt.show（）

---

这是我几乎想要做的，但也应该显示直线方程以及最佳拟合的误差。

import matplotlib.pyplot as plt
import numpy as np

if __name__ == '__main__':
    fig = plt.figure()
    x = np.array([100,65,20,85])
    y = np.array([1,0.75,1.25,2])
    Error_x = np.array([5,3,2,5])
    Error_y = np.array([0.1,0.03,0.01,0])

    labels = ['A', 'B', 'C', 'D']
    symbols = ['v', '^', '<', '>']

    for i in range(0, len(x)):
        plt.scatter(x[i], y[i], marker=symbols[i], s=70)
        plt.errorbar(x[i], y[i], xerr=Error_x[i], c='black')
        plt.errorbar(x[i], y[i], yerr=Error_y[i], c='black')

    z = np.polyfit(x.flatten(), y.flatten(), 1)
    p = np.poly1d(z)
    plt.plot(x,p(x),"r--")

    ci = 0.95 * np.std(y)/np.mean(y)
    ax.fill_between(sorted(x), p(x)-ci, p(x)+ci, color='b', alpha=.4)

    for l in range(0, len(labels)):
        plt.text(x[l], y[l] + 0.03, labels[l])

    plt.grid()
    plt.tight_layout()
    plt.savefig("test.png")
    plt.show()