Python 散点图：添加拟合线、显示拟合方程与 R 方的方法

在数据分析和可视化中，Python 的绘图功能强大且灵活。散点图是一种常见的数据可视化方式，通过添加拟合线、显示拟合方程和 R 方，可以更深入地理解数据之间的关系。

我们需要导入必要的库，如 matplotlib 和 numpy 。

import matplotlib.pyplot as plt
import numpy as np

接下来，准备数据。假设我们有一组 x 和 y 的数据。

x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 6, 8, 10])

然后，绘制散点图。

plt.scatter(x, y)

为了添加拟合线，我们可以使用 numpy 的 polyfit 函数来计算拟合系数。

coefficients = np.polyfit(x, y, 1)  # 1 表示线性拟合

使用拟合系数绘制拟合线。

fit_line = np.poly1d(coefficients)
plt.plot(x, fit_line(x), color='red')

要显示拟合方程，可以将拟合系数转换为方程形式。

equation = f"y = {coefficients[0]}x + {coefficients[1]}"
plt.text(1, 11, equation)

计算并显示 R 方值。

from sklearn.metrics import r2_score
predicted_y = fit_line(x)
r_squared = r2_score(y, predicted_y)
r_squared_text = f"R² = {r_squared}"
plt.text(1, 10, r_squared_text)

最后，添加标题、坐标轴标签等完善图表。

plt.title("散点图与拟合线")
plt.xlabel("X 轴")
plt.ylabel("Y 轴")
plt.show()

通过以上步骤，我们成功地在 Python 散点图中添加了拟合线、显示了拟合方程和 R 方。这有助于更直观地分析数据的趋势和拟合程度，为进一步的数据分析和决策提供有力支持。

在实际应用中，根据数据的特点和分析需求，可以选择不同的拟合方式和调整图表的细节，以达到最佳的可视化效果和分析目的。