最小二乘拟合直线 python 代码答案

【问题标题】：Least-Squares Fit to a Straight Line python code最小二乘拟合直线 python 代码
【发布时间】：2014-03-07 02:27:46
【问题描述】：

我有一个由 X 和 Y 坐标组成的散点图。我想使用最小二乘法拟合直线来获得最佳拟合线。

最小二乘拟合直线是指：如果 (x_1,y_1),....(x_n,y_n) 是测量的数据对，则最佳直线是 y = A + Bx。

这是我在 python 中的代码：

 # number of points is 50
 A = (sum(x**2)*sum(y) - sum(x)*sum(x*y)) / (50*sum(x**2) - (sum(x))**2)
 B = (50*sum(x*y) - sum(x)*sum(y)) / (50*sum(x**2) - (sum(x))**2)
 print (A,B)

这看起来是否正确，我在打印 A 和 B 时遇到问题。谢谢！

【问题讨论】：

这对你来说可能是一个好的开始stackoverflow.com/questions/19017301/…
@george 我以前研究过 zip 函数，但从未真正了解它的作用。该链接中的示例很好地展示了 zip 的作用，我相信它会有所帮助。

标签： python plot

【解决方案1】：

如果你只想要一行，最简单的是scipy.stats.linregress：

from scipy import stats
slope, intercept, r_value, p_value, std_err = stats.linregress(x,y)

Link to docs

【讨论】：

【解决方案2】：

如果我正确理解了您的问题，您有两个数据集 x 和 y 要在其中执行最小二乘拟合。

算法不用自己写，curve_fit from scipy.optimize 应该做你想做的，试试吧：

from scipy.optimize import curve_fit

def f(x, A, B): # this is your 'straight line' y=f(x)
    return A*x + B

popt, pcov = curve_fit(f, x, y) # your data x, y to fit

其中popt[0]、popt[1] 将是直线的斜率和截距。

有关更多详细信息和示例，请参阅： http://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.curve_fit.html#scipy.optimize.curve_fit

【讨论】：

【解决方案3】：

您正在尝试将两个列表相乘 x 和 y（或单独），但它没有在 Python 中定义。您要么需要编写自己的函数来执行列表逐个元素的乘法，要么使用numpy.multiply。例如，如果你想做 x 和 y 的元素乘法，

import numpy as np
xy = np.multiply(x,y)

【讨论】：