loglog图上的线性拟合不是lin

Question

我试图分析一个实验的重复性。我用0.1替换了0值，并用对数轴绘制了两个实验的数据。到目前为止，还不错。在

接下来，我得到了两列中的值都大于0的行，并对这些值的log10进行了线性回归计算。我得到了线性拟合的斜率和截距，然后我试着画出来。在

import pandas as pd
import numpy as np

table = pd.read_csv("data.csv")
data = table.replace(0, 0.1)
plt.plot(data["run1"], data["run2"], color="#03012d", marker=".", ls="None", markersize=3, label="")

plt.xscale('log')
plt.yscale('log')
plt.axis('square')
plt.xlabel("1st experiment")
plt.ylabel("2nd experiment")

from scipy.stats import linregress

df = table.loc[(table['run1'] >0) & (table['run2'] >0)]

stats = linregress(np.log10(df["run1"]),np.log10(df["run2"]))

m = stats.slope
b = stats.intercept
r = stats.rvalue

x = np.logspace(-1, 5, base=10)
y = (m*x+b)

plt.plot(x, y, c='orange', label="fit")
plt.legend()

但这是我得到的，绝对不是线性的：

我不知道我做错了什么。。在

编辑：

链接到首字母dataset

Answer 1

当我目测数据的散点图时，我看不到记录日志的用处。通过原始数据的一条直线看起来可能是您在这里能做的最好的，请看所附的图片。

Answer 2

你把事情搞糊涂了。问题是np.logspace(-1, 5, base=10)只返回对数间隔的值，但您仍然需要取x值的底数10对数，因为图中的x轴是对数(np.log10（x） ）并执行以下操作

x = np.log10(np.logspace(-1, 5, base=10))
y = (m*x + b)
plt.plot(x, y, c='orange', label="fit")

这将给你你所期望的，一个直线线性回归预测。在