如何在python中绘制实际值与预测值的关系图？

我尝试过的代码：

          Original      Predicted
0           6            1.56
1           12.2         3.07
2           0.8          2.78
3           5.2          3.54
.                    

我想要的图表：

但我目前的产出是：

---

我无法模拟您的代码，但我第一眼看到了一些要点。首先，要规范化图形中的数据点。您需要将col中的所有数据点除以该col的最大值

您还应该检查文档中的图例函数，以添加所需图形的图例。

在matplotlib（我假设您正在使用它的代码）中有一个关于

matplotlib.pyplot.scatter

函数的信息，前两个参数是：

x，y：浮点数或类似数组的形状（n，）
数据位置

因此，对于您的应用程序，您需要在同一个图形上绘制两个散点图-使用

matplotlib.pyplot.scatter

两次。首先使用

y\u测试
as
y
和
color='red'
，其次使用
y\u pred
as
y
和
color='blue'

不幸的是，您没有为y_test和y_pred提供x值的信息，但是您也需要这些信息来定义
plt.scatter
函数调用中的
x

绘制两个散点图有点棘手，正如所说的，它需要一个对
轴的引用。例如（如答案所示）：

查看matplotlib文档和提到的答案以了解更多详细信息。
您似乎遇到的问题是将
y\u test
和
y\u pred
混合到一个“绘图”中（这里指
scatter（）
函数）

使用
scatter（）
或
plot（）
函数（您也将其混淆），第一个参数是x轴上的坐标，第二个参数是y轴上的坐标

因此1.）您需要一个只使用
y\u测试的
scatter（）
，然后一个只使用
y\u pred
。要做到这一点，您需要有2D数据，或者像您的情况一样，只需使用
range（）
功能为x轴使用索引即可

下面是一些包含随机数据的代码，可能会帮助您开始：

import matplotlib.pyplot as plt

x = range(100)
y = range(100,200)
fig = plt.figure()
ax1 = fig.add_subplot(111)

ax1.scatter(x[:4], y[:4], s=10, c='b', marker="s", label='first')
ax1.scatter(x[40:],y[40:], s=10, c='r', marker="o", label='second')

这将为您提供如下信息：
您正在绘制x轴上的y_测试和y轴上的y_pred。
你们想要的是x轴上的一个公共数据点，y轴上的y_test和y_pred。
下面的代码片段将帮助您实现这一点。
（其中，true_值和predicted_值是要打印的列表，common是数据帧中用作公共x轴的列表。）

import matplotlib.pyplot as plt

x = range(100)
y = range(100,200)
fig = plt.figure()
ax1 = fig.add_subplot(111)

ax1.scatter(x[:4], y[:4], s=10, c='b', marker="s", label='first')
ax1.scatter(x[40:],y[40:], s=10, c='r', marker="o", label='second')

import matplotlib.pyplot as plt
import numpy as np


def plotGraph(y_test,y_pred,regressorName):
    if max(y_test) >= max(y_pred):
        my_range = int(max(y_test))
    else:
        my_range = int(max(y_pred))
    plt.scatter(range(len(y_test)), y_test, color='blue')
    plt.scatter(range(len(y_pred)), y_pred, color='red')
    plt.title(regressorName)
    plt.show()
    return


y_test = range(10)
y_pred = np.random.randint(0, 10, 10)

plotGraph(y_test, y_pred, "test")

    fig = plt.figure()
    a1 = fig.add_axes([0,0,1,1])
    x = common
    a1.plot(x,true_value, 'ro')
    a1.set_ylabel('Actual')
    a2 = a1.twinx()
    a2.plot(x, predicted_value,'o')
    a2.set_ylabel('Predicted')
    fig.legend(labels = ('Actual','Predicted'),loc='upper left')
    plt.show()