[英]Best fit line semilog scale with linear y-axis and log x-axis
我的問題與關於SO的以下主題密切相關: 使用Matplotlib在半對數刻度上擬合直線
但是,我想在圖表中創建最佳擬合線,其中X軸是對數的,Y軸是線性的。
import matplotlib.pyplot as plt
import numpy as np
plt.scatter(players['AB'], players['Average'], c='black', alpha=0.5)
p = np.polyfit(players['AB'], players['Average'], 1)
plt.plot(players['AB'], p[0] + p[1] * np.log(players['AB']), color='r', linestyle='dashed', alpha=0.7)
plt.xscale('log')
plt.xlim(1, 25000)
plt.ylim(-0.05, 0.60)
plt.xlabel('Number of at-bats (AB)')
plt.ylabel('Batting Average')
plt.show()
這給了我以下內容:
我究竟做錯了什么? 謝謝
編輯
p = np.polyfit(np.log(players['AB']), players['Average'], 1)
plt.plot(players['AB'], p[0] + p[1] * np.log(players['AB']), color='r', linestyle='dashed', alpha=0.7)
我相信你需要這樣做
p = np.polyfit(np.log(players['AB']), players['Average'], 1)
plt.plot(players['AB'], p[0] * np.log(players['AB']) + p[1])
當在x軸半對數空間中繪制時,這將為您提供線性多項式擬合。 這是一個證明這一點的完整例子
import matplotlib.pyplot
import numpy as np
n = 100
np.random.seed(1)
x = np.linspace(1,10000,n)
y = np.zeros(n)
rand = np.random.randn(n)
for ii in range(1,n):
x[ii] = 10**(float(ii)/10.0) # Create semi-log linear data
y[ii] = rand[ii]*10 + float(ii) # with some noise in the y values
plt.scatter(x,y)
p = np.polyfit(np.log(x), y, 1)
plt.semilogx(x, p[0] * np.log(x) + p[1], 'g--')
plt.xscale('log')
plt.show()
對於生成的樣本數據,這將為您提供
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.