快捷導(dǎo)航

Python繪制趨勢線的示例代碼

更新時間：2024年03月01日 14:41:47 作者：彭博銳

趨勢線是用來顯示數(shù)據(jù)趨勢或者預(yù)測未來發(fā)展方向的一種圖形表示方法,這篇文章主要為大家詳細(xì)介紹了如何使用Python繪制趨勢線,需要的可以了解下

趨勢線

趨勢線是用來顯示數(shù)據(jù)趨勢或者預(yù)測未來發(fā)展方向的一種圖形表示方法。在統(tǒng)計學(xué)和數(shù)據(jù)分析中，趨勢線通常是通過擬合數(shù)據(jù)點來找到一條最符合數(shù)據(jù)整體趨勢的直線、曲線或者其他形狀。常見的趨勢線擬合方法包括線性回歸、多項式回歸、指數(shù)平滑等。

趨勢線在金融分析、市場預(yù)測、銷售趨勢分析、科學(xué)研究等領(lǐng)域都有廣泛的應(yīng)用。通過趨勢線，人們可以更清晰地了解數(shù)據(jù)的走勢，從而做出更加準(zhǔn)確的決策。

在圖表中，趨勢線通常以一條穿過數(shù)據(jù)點的曲線或直線的形式呈現(xiàn)，使得觀察者可以更容易地識別出數(shù)據(jù)的趨勢方向。

示例代碼

import numpy as np
import matplotlib.pyplot as plt

# 生成一些示例數(shù)據(jù)
x = np.linspace(0, 10, 100)
y = 2 * x + np.random.normal(0, 1, 100)  # 線性上升的數(shù)據(jù)，加入一些噪聲

# 繪制原始曲線
plt.plot(x, y, label='Data')

# 使用線性回歸擬合趨勢線
slope, intercept = np.polyfit(x, y, 1)
trendline = slope * x + intercept

# 繪制趨勢線
plt.plot(x, trendline, color='red', linestyle='--', label='Trendline')

# 添加圖例和標(biāo)簽
plt.legend()
plt.title('Data with Trendline')
plt.xlabel('X')
plt.ylabel('Y')

# 顯示圖形
plt.show()

結(jié)果展示

補(bǔ)充：橫軸不連續(xù)的趨勢圖

這里主要用到brokenaxes庫，可以使坐標(biāo)軸不連續(xù)。

示例代碼

import numpy as np
import matplotlib.pyplot as plt
from brokenaxes import brokenaxes

# 生成一些示例數(shù)據(jù)
x = np.linspace(0, 10, 100)
y = 2 * x + np.random.normal(0, 1, 100)  # 線性上升的數(shù)據(jù)，加入一些噪聲

# 將數(shù)據(jù)分成兩段
x1, y1 = x[:40], y[:40]
x2, y2 = x[60:], y[60:]

# 創(chuàng)建一個BrokenAxes對象
bax = brokenaxes(xlims=((0, 4), (6, 10)), hspace=0.05)

# 繪制第一段趨勢線
slope1, intercept1 = np.polyfit(x1, y1, 1)
trendline1 = slope1 * x1 + intercept1
bax.plot(x1, y1, label='Segment 1', color='blue')
bax.plot(x1, trendline1, color='red', linestyle='--', label='Trendline 1')

# 繪制第二段趨勢線
slope2, intercept2 = np.polyfit(x2, y2, 1)
trendline2 = slope2 * x2 + intercept2
bax.plot(x2, y2, label='Segment 2', color='orange')
bax.plot(x2, trendline2, color='green', linestyle='--', label='Trendline 2')

# 添加標(biāo)題和標(biāo)簽
bax.set_xlabel('X Label')
bax.set_ylabel('Y Label')
bax.set_title('Data with Trendline (Broken Axes)')

# 顯示圖例
bax.legend(loc='lower right')

# 顯示圖形
plt.show()