最小二乘拟合直线python代码

Question

我有一个由X和Y坐标组成的散点图.我想使用最小二乘拟合到直线以获得最佳拟合线.

适合直线的最小二乘指的是: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!

Answer 1

如果你只想要一条线,最简单的是scipy.stats.linregress:

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

链接到文档

Answer 2

如果我正确理解您的问题,您有两个数据集x,y并且您希望执行最小二乘拟合.

你不必自己编写算法,curve_fit从scipy.optimize你应该做你想做的,尝试:

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

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