Python 如何用线性回归绘制散点图？

如何使用matplotlib生成这样的估算线

我有几个点，我使用matplotlib使用以下代码绘制它们：

import matplotlib.pyplot as plt
for smp, lbl in zip(samples, labels):
    plt.scatter(smp[0], smp[1], marker='*', cl = 'b', s=100, label=lbl)

# set limit, xlabel, ylabel, legend ...
# ...

plt.show()

---

谢谢，

使用

polyfit

进行线性回归：

import matplotlib.pyplot as plt
from pylab import polyfit, poly1d

x, y = zip(*samples)

fit = polyfit(x, y, 1)
fit_fn = poly1d(fit)
plt.plot(x,y, '*', x, fit_fn(x), 'k')

plt.show()

示例结果：

---

我想您只需要

fit=polyfit（smp[0]，smp[1]，1）

作为

smp[0]

的数组，如果它是

plt.scatter

中的第一个参数。或者只做

x=smp[0]；y=smp[1]

@Gabriel No，根据OP的

for

循环，样本数组的格式为

[[x1，y1]，[x2，y2]，[x3，y3]，…]

。因此，首先排序

x

和

y

似乎是必要的（一种方式，另一种方式）。如果是这样的话，在OP plot的图例中应该有多个项目，但是现在意识到OP代码没有生成该图像。您不应该使用它自己的散布命令绘制每个点。这需要很长时间，如果你想有一个图例，你将有一个条目为每个点。您可以这样使用：

x=[value[0]表示样本中的值]

y=[value[1]表示样本中的值]