Regressione lineare con matplotlib / numpy

Sto cercando di generare una regressione lineare su un grafico a dispersione che ho generato, tuttavia i miei dati sono in formato elenco e tutti gli esempi che posso trovare sull'utilizzo polyfitrichiedono l'utilizzo arange. arangenon accetta elenchi però. Ho cercato in alto e in basso su come convertire un elenco in un array e nulla sembra chiaro. Mi sto perdendo qualcosa?

In seguito, come posso utilizzare al meglio il mio elenco di numeri interi come input per polyfit?

ecco l'esempio di polyfit che sto seguendo:

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 genera elenchi (beh, array numpy); digitare help(np.arange)per i dettagli. Non è necessario richiamarlo su elenchi esistenti.

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

Dovrei aggiungere che tendo a usare poly1dqui piuttosto che scrivere "m * x + b" e gli equivalenti di ordine superiore, quindi la mia versione del tuo codice sarebbe simile a questa:

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)

Questo codice:

from scipy.stats import linregress

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

fornisce un elenco con quanto segue:

pendenza: float
pendenza della retta di regressione
intercetta: float
intercetta della retta di regressione
valore r: float
coefficiente di correlazione valore
p: float
bilaterale valore p per un test di ipotesi la cui ipotesi nulla è che la pendenza sia zero
stderr: float
Errore standard della stima

fonte

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()

Usa questo ..

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()

Un'altra risposta rapida e sporca è che puoi semplicemente convertire il tuo elenco in un array usando:

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