Python散点图以及一次拟合曲线图像

# 散点图以及一次拟合曲线图像

# 准备数据

df = (pd.read_csv(r'C:\Users\Administrator\Desktop\销售数据 2.csv', usecols=[0]))

season = np.array(df.stack())

data = (pd.read_csv(r'C:\Users\Administrator\Desktop\销售数据 2.csv', usecols=[1]))

data_list1 = np.array(data.stack())

# 绘制图像以及标签

plt.figure(figsize=(8, 6))

plt.scatter(season, data_list1, s=20)

plt.title('THIS IS TITLE')

plt.xlabel('THIS IS X LABEL', labelpad=15)

plt.ylabel('THIS IS Y LABEL', labelpad=15)

# 计算拟合方程

b = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])# 原始数据x轴是标签，所以这里简单生成一个序列

figure2 = np.polyfit(b, data_list1, 1)# 这个方法是返回拟合方程的系数 输入x,y,deg = 1表示生成一次函数，这个函数返回的是一个数组

c = figure2[0]# 从数组中把一次项系数取出来

d = figure2[1]# 从数组把常数项取出来

y2 = b * c + d# 推导出函数表达式

# 绘制拟合图像

plt.plot(season, y2, linestyle='dotted')

plt.show()

数据表

代码示例

输出图像