快捷導(dǎo)航

Python使用Matplotlib繪制散點趨勢線的代碼詳解

更新時間：2025年01月08日 09:31:33 作者：python收藏家

Matplotlib是一個用于數(shù)據(jù)可視化的強大Python庫,其基本功能之一是創(chuàng)建帶有趨勢線的散點圖,散點圖對于可視化變量之間的關(guān)系非常有用,本文將指導(dǎo)您使用Matplotlib繪制散點趨勢線的過程,涵蓋線性和多項式趨勢線,需要的朋友可以參考下

Matplotlib繪制散點趨勢線

散點圖是一種數(shù)據(jù)可視化，它使用點來表示兩個不同變量的值。水平軸和垂直軸上每個點的位置表示單個數(shù)據(jù)點的值。散點圖用于觀察變量之間的關(guān)系。

1.創(chuàng)建基本散點圖

讓我們從創(chuàng)建一個基本的散點圖開始。為了簡單起見，我們將使用隨機數(shù)據(jù)。

import matplotlib.pyplot as plt
import numpy as np

x = np.random.rand(50)
y = np.random.rand(50)

plt.scatter(x, y)
plt.title("Basic Scatter Plot")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.show()

2.添加線性趨勢線

線性趨勢線是最能代表散點圖上數(shù)據(jù)的直線。要添加線性趨勢線，我們可以使用NumPy的polyfit（）函數(shù)來計算最佳擬合線。

# Calculate the best-fit line
z = np.polyfit(x, y, 1)
p = np.poly1d(z)

# Plot the scatter plot and the trend line
plt.scatter(x, y)
plt.plot(x, p(x), "r--")  # 'r--' is for a red dashed line
plt.title("Scatter Plot with Linear Trend Line")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.show()

3.添加多項式趨勢線

有時，線性趨勢線可能不足以捕捉變量之間的關(guān)系。在這種情況下，多項式趨勢線可能更合適。我們可以使用polyfit（）函數(shù)，它的階數(shù)更高。

# Calculate the polynomial trend line (degree 2)
z = np.polyfit(x, y, 2)
p = np.poly1d(z)

# Plot the scatter plot and the polynomial trend line
plt.scatter(x, y)
plt.plot(x, p(x), "g-")  # 'g-' is for a green solid line
plt.title("Scatter Plot with Polynomial Trend Line")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.show()

自定義趨勢線

Matplotlib允許對圖進行廣泛的自定義，包括趨勢線的外觀。您可以修改趨勢線的顏色、線型和寬度。

# Calculate the best-fit line
z = np.polyfit(x, y, 1)
p = np.poly1d(z)

# Plot the scatter plot and the customized trend line
plt.scatter(x, y)
plt.plot(x, p(x), color="purple", linewidth=2, linestyle="--")
plt.title("Scatter Plot with Customized Trend Line")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.show()

多條趨勢線

在某些情況下，您可能希望比較同一散點圖上的不同趨勢線。這可以通過計算和繪制多條趨勢線來實現(xiàn)。

# Generate random data
x = np.random.rand(50)
y = np.random.rand(50)

# Calculate the linear and polynomial trend lines
z1 = np.polyfit(x, y, 1)
p1 = np.poly1d(z1)
z2 = np.polyfit(x, y, 2)
p2 = np.poly1d(z2)

# Plot the scatter plot and both trend lines
plt.scatter(x, y)
plt.plot(x, p1(x), "r--", label="Linear Trend Line")
plt.plot(x, p2(x), "g-", label="Polynomial Trend Line")
plt.title("Scatter Plot with Multiple Trend Lines")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.legend()
plt.show()