用对数刻度很难在散点图上绘制线性回归线

如何解决用对数刻度很难在散点图上绘制线性回归线

我有一个这样的示例数据框：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

df = pd.DataFrame({'a':[0.05,0.11,0.18,0.20,0.22,0.27],'b':[3.14,1.56,33.10,430.00,239.10,2600.22]})

我想将这些属性绘制为散点图，然后显示这些样本的线性趋势线。我需要将数据放在对数刻度上的 y 轴 (df['b']) 上。

虽然，当我尝试使用 np.polyfit 的帮助来做到这一点时，我得到了一条奇怪的线。

# Coefficients for polynomial function (degree 1) 
coefs = np.polyfit(df['a'],df['b'],1)
fit_coefs = np.poly1d(coefs)

plt.figure()
plt.scatter(df['a'],s = 50,edgecolors = 'black') 
plt.plot(df['a'],fit_coefs(df['a']),color='red',linestyle='--')
plt.xlabel('a') 
plt.ylabel('b')
plt.yscale('log')

如果我在绘图之前将 df['b] 转换为 log，我可以获得正确的线性趋势，但我想用最后一个绘图的值显示 y 轴，而不是作为转换后的对数值下面这个：

df['b_log'] = np.log10(df['b'])

coefs = np.polyfit(df['a'],df['b_log'],linestyle='--') 
plt.xlabel('a') 
plt.ylabel('b_log')

所以基本上，我需要一个像最后一个图一样的图，但 y 轴上的值应该像第二个图一样，我仍然会得到正确的线性趋势。有人可以帮我吗？

解决方法

您在那里做了两件不同的事情：首先，您正在为指数数据拟合线性曲线（这可能不是您想要的），然后您正在为日志数据拟合线性曲线，这没问题。

为了从对数图中的线性系数得到线性曲线，你只需执行10**fit_coefs(df['a'])：

df['b_log'] = np.log10(df['b'])

coefs = np.polyfit(df['a'],df['b_log'],1)
fit_coefs = np.poly1d(coefs)

plt.figure()
plt.scatter(df['a'],df['b'],s = 50,edgecolors = 'black') 
plt.plot(df['a'],10**fit_coefs(df['a']),color='red',linestyle='--') 
plt.xlabel('a')
plt.ylabel('b_log')
plt.yscale("log")