Régression linéaire avec matplotlib / numpy

J'essaie de générer une régression linéaire sur un nuage de points que j'ai généré, mais mes données sont au format liste, et tous les exemples que je peux trouver d'utilisation polyfitnécessitent l'utilisation arange. arangen'accepte pas les listes. J'ai cherché haut et bas comment convertir une liste en tableau et rien ne semble clair. Est-ce que je manque quelque chose?

Ensuite, comment puis-je utiliser au mieux ma liste d'entiers comme entrées dans le polyfit?

voici l'exemple polyfit que je suis:

from pylab import * 

x = arange(data) 
y = arange(data) 

m,b = polyfit(x, y, 1) 

plot(x, y, 'yo', x, m*x+b, '--k') 
show() 

arange génère des listes (enfin, des tableaux numpy); tapez help(np.arange)pour les détails. Vous n'avez pas besoin de l'appeler sur les listes existantes.

>>> x = [1,2,3,4]
>>> y = [3,5,7,9] 
>>> 
>>> m,b = np.polyfit(x, y, 1)
>>> m
2.0000000000000009
>>> b
0.99999999999999833

Je devrais ajouter que j'ai tendance à utiliser poly1dici plutôt que d'écrire "m * x + b" et les équivalents d'ordre supérieur, donc ma version de votre code ressemblerait à ceci:

import numpy as np
import matplotlib.pyplot as plt

x = [1,2,3,4]
y = [3,5,7,10] # 10, not 9, so the fit isn't perfect

coef = np.polyfit(x,y,1)
poly1d_fn = np.poly1d(coef) 
# poly1d_fn is now a function which takes in x and returns an estimate for y

plt.plot(x,y, 'yo', x, poly1d_fn(x), '--k')
plt.xlim(0, 5)
plt.ylim(0, 12)

Ce code:

from scipy.stats import linregress

linregress(x,y) #x and y are arrays or lists.

donne une liste avec les éléments suivants:

pente: pente flottante
de la ligne de régression
intersection: intersection flottante
de la droite de régression
valeur r:
coefficient de corrélation float valeur
p: valeur p à
deux côtés flottante pour un test d'hypothèse dont l'hypothèse nulle est que la pente est nulle
stderr: float
Erreur standard de l'estimation

La source

import numpy as np
import matplotlib.pyplot as plt 
from scipy import stats

x = np.array([1.5,2,2.5,3,3.5,4,4.5,5,5.5,6])
y = np.array([10.35,12.3,13,14.0,16,17,18.2,20,20.7,22.5])
gradient, intercept, r_value, p_value, std_err = stats.linregress(x,y)
mn=np.min(x)
mx=np.max(x)
x1=np.linspace(mn,mx,500)
y1=gradient*x1+intercept
plt.plot(x,y,'ob')
plt.plot(x1,y1,'-r')
plt.show()

Utilisez ceci ..

from pylab import * 

import numpy as np
x1 = arange(data) #for example this is a list
y1 = arange(data) #for example this is a list 
x=np.array(x) #this will convert a list in to an array
y=np.array(y)
m,b = polyfit(x, y, 1) 

plot(x, y, 'yo', x, m*x+b, '--k') 
show()

Une autre réponse rapide et sale est que vous pouvez simplement convertir votre liste en un tableau en utilisant:

import numpy as np
arr = np.asarray(listname)