Q&A
タイトルが「matplotlibのpolyfitについて知りたい」ですが、コードには「np.polyfit(x, y, 1)」とあるので、numpyのpolyfitではないですか？
画像認識プログラミングレシピという本で学習中です。
matplotlibに慣れたいなとおもい本を読んでいたのですが、以下の最後の二行がどのようなことをしているのかいまいちわかりません。
python
1valume = 30 2 3x = np.arange(valume) 4 5y = [x_i + np.random.randn(1) for x_i in x] 6 7a, b = np.polyfit(x, y, 1) 8_ = plt.plot(x, y, 'o', np.arange(valume), a * np.arange(valume) + b, '-')
特に、a, b = np.polyfit(x, y, 1)とnp.arange(valume)の部分です。
このaとbの値は何の値なのか、そしてnp.arange(valume)は何の役割があるのかが知りたいです。
a, bの値は[0.98839825] [0.50089071]でグラフに描画してもa * np.arange(valume) + b, '-'の上に乗っているようにも見えません。
また、
python
1_ = plt.plot(x, y, 'o', a * np.arange(valume) + b, '-')
としてもグラフが変わっていないように見えました。
申し訳ありません修正いたしました。
pyplot.plot()でx1、y1、linestyle1、x2、y2、linestyle2・・・とプロットするデータを渡しているのでnp.arange(valume)はx2に相当しますね。今回の場合ですとこれを省力しても問題ないようですね。
回答1件
0
ベストアンサー
np.polyfitは、matplotlibではなくnumpyのpolyfit関数です。
np.polyfit多項式回帰ですが、引数に１を指定しているので一次回帰となります。
英語が読めるなら、
print(np.polyfit.doc)
の出力を読めば説明が出てきます。
- aとbの値は何の値なのか
python
1 Returns 2 ------- 3 p : ndarray, shape (deg + 1,) or (deg + 1, K) 4 Polynomial coefficients, highest power first. If `y` was 2-D, the 5 coefficients for `k`-th data set are in ``p[:,k]``.
print(np.polyfit.doc)の出力の一部です。
近似多項式の係数ですね。
- np.arange(valume)は何の役割があるのか
print(np.arange.doc)の出力の一部にこう書いてあります。
python
1 Returns 2 ------- 3 arange : ndarray 4 Array of evenly spaced values.
役割としては、一次近似の直線でplotする点のx座標の列です。
plotする点のy座標の列は、a * np.arange(valume) + b です。
投稿2021/08/09 05:04
編集2021/08/09 05:10
総合スコア24672
ご回答ありがとうございます。
僕の説明不足だったのですが、
_ = plt.plot(x, y, 'o', np.arange(valume), a * np.arange(valume) + b, '-')
ここに含まれている'o'の次にあるnp.arange(valume)の役割が知りたいです。
あってもなくてもグラフ自体代わりがないように見えますが書いてる以上意味があると思います。
僕にはわかりません。
print(plt.plot.__doc__)) で出てくるドキュメントを読んでみましょう。
https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.plot.html
と同じものです。
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)
というのは、xとfmtは省略可能で [x], y, [fmt]が繰り返しという意味です。
x values are optional and default to range(len(y)).
で書かれているように、xの省略値はrange(len(y))です。
今回のように、省略値と同じになるような場合は省略してもかわりませんが、そうでない場合は変わります。
x = np.arange(valume)
y = [x_i + np.random.randn(1) for x_i in x]
a, b = np.polyfit(x, y, 1)
_ = plt.plot(x, y, 'o', np.arange(valume*2), a * np.arange(valume*2) + b, '-')
plt.show()
をやってみると違いが分かるでしょう。
あなたの回答
tips
プレビュー
