使用matplotlib代替pylab的线性回归示例

Question

由于不鼓励使用pylab，所以我打算在https://www.wired.com/2011/01/linear-regression-with-pylab/中使用这个示例中的matplotlib

from pylab import *

x = [0.2, 1.3, 2.1, 2.9, 3.3]
y = [3.3, 3.9, 4.8, 5.5, 6.9]

(m, b) = polyfit(x, y, 1)
print(m, b)

yp = polyval([m, b], x)
plt.plot(x, yp)
plt.grid(True)
plt.scatter(x,y)
xlabel('x')
ylabel('y')
show()

如果我从这个开始

^{pr2}$

我不知道如何替换matplotlib中的polyfit和polyval函数。在第4行和第7行中，这些函数调用polyfit和polyval函数（它们在pylab模块中）。我应该使用哪些函数来代替matplotlib？在

我想用这个例子，但是使用matplotlib。在

Answer 1

polyfit和{}都可以在numpy中使用。因此，您可以简单地使用：

import numpy as np
import matplotlib.pyplot as plt

x = [0.2, 1.3, 2.1, 2.9, 3.3]
y = [3.3, 3.9, 4.8, 5.5, 6.9]

(m, b) = np.polyfit(x, y, 1)
print(m, b)

yp = np.polyval([m, b], x)
plt.plot(x, yp)
plt.grid(True)
plt.scatter(x,y)

Answer 2

绘图函数在matplotlib.pyplot中，但是PyLab还包含NumPy的数值函数，您可以使用

import numpy as np

np.polyfit(...)  # etc.

（另见第一个答案here。）