python - 如何在 python 线性回归图上强制截距？

Question

如何在此数据帧上强制直线和方程通过 0？我只知道如何制作一条最适合的线和匹配的方程。下面是没有通过 0 强制截距的最佳拟合线的代码。任何获得强制截距的帮助都将受到赞赏!

import seaborn as sns
import scipy as sp
r, p = sp.stats.pearsonr(x=df['mass(mg)'], y=df['Abs'])
sns.regplot(x=df['mass(mg)'],y=df['Abs']).set(Title='biuret standard plot')

def equation(x,y):
    x_mean = x.mean()
    y_mean = y.mean()
    
    B1_num = ((x - x_mean) * (y - y_mean)).sum()
    B1_den = ((x - x_mean)**2).sum()
    B1 = B1_num / B1_den
    B0 = y_mean - (B1*x_mean)
    
    reg_line = 'y = {} + {}β'.format(B0, round(B1, 3))
    
    return (B0, B1, reg_line)
equation(df['mass(mg)'],df['Abs'])

Answer 1

Seaborn 的线性回归不会让您这样做。

因此，如果您试图让直线穿过原点，即 (0,0)，那么您的方程为 y=mx。如果你这样做的话就没有B0。因此，我们使用 numpy.linalf.lstq 进行最小二乘并强制其通过原点。我们还添加 0 坐标以便它可以绘制。考虑您的质量和 Abs 值，请参见下文:

import numpy as np
import matplotlib.pyplot as plt

# I'm adding a 0 in both x and y axis to force a line drawn.
x = np.array([0, 5, 4, 3, 2, 1, 0.5])
y = np.array([0, 0.596, 0.464, 0.333, 0.201, 0.121, 0.062])

# We only need a*x. so to figure out a we use lstsq from numpy
# Our x matrix is one dimensional, it needs to be two dimensional to use lstsq so:
x = x[:,np.newaxis]
a, _, _, _ = np.linalg.lstsq(x, y)

plt.plot(x, y, 'bo')
plt.plot(x, a*x, 'r-')
plt.xlim([0, 6])
plt.ylim([0, 0.7])
plt.show()
print(f"y = {a} x + 0")

哪些输出:

随意添加标签等。

希望这对您有所帮助，如果有帮助，请将其标记为答案!