# 散点图以及一次拟合曲线图像
# 准备数据
df = (pd.read_csv(r'C:\Users\Administrator\Desktop\销售数据 2.csv', usecols=[0]))
season = np.array(df.stack())
data = (pd.read_csv(r'C:\Users\Administrator\Desktop\销售数据 2.csv', usecols=[1]))
data_list1 = np.array(data.stack())
# 绘制图像以及标签
plt.figure(figsize=(8, 6))
plt.scatter(season, data_list1, s=20)
plt.title('THIS IS TITLE')
plt.xlabel('THIS IS X LABEL', labelpad=15)
plt.ylabel('THIS IS Y LABEL', labelpad=15)
# 计算拟合方程
b = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])# 原始数据x轴是标签，所以这里简单生成一个序列
figure2 = np.polyfit(b, data_list1, 1)# 这个方法是返回拟合方程的系数 输入x,y,deg = 1表示生成一次函数，这个函数返回的是一个数组
c = figure2[0]# 从数组中把一次项系数取出来
d = figure2[1]# 从数组把常数项取出来
y2 = b * c + d# 推导出函数表达式
# 绘制拟合图像
plt.plot(season, y2, linestyle='dotted')
plt.show()
数据表
代码示例
输出图像
