Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Comment tracer la ligne la mieux adaptée en Python (avec exemples)



Vous pouvez utiliser la syntaxe de base suivante pour tracer une ligne la mieux ajustée en Python :

#find line of best fit
a, b = np.polyfit(x, y, 1)

#add points to plot
plt.scatter(x, y)

#add line of best fit to plot
plt.plot(x, a*x+b)

L’exemple suivant montre comment utiliser cette syntaxe dans la pratique.

Exemple 1 : tracer la ligne de base du meilleur ajustement en Python

Le code suivant montre comment tracer une ligne de base la mieux adaptée en Python :

import numpy as np
import matplotlib.pyplot as plt

#define data
x = np.array([1, 2, 3, 4, 5, 6, 7, 8])
y = np.array([2, 5, 6, 7, 9, 12, 16, 19])

#find line of best fit
a, b = np.polyfit(x, y, 1)

#add points to plot
plt.scatter(x, y)

#add line of best fit to plot
plt.plot(x, a*x+b)        

ligne de meilleur ajustement en Python

Exemple 2 : tracer la ligne personnalisée la mieux adaptée en Python

Le code suivant montre comment créer la même ligne la mieux ajustée que l’exemple précédent, avec les ajouts suivants :

  • Couleurs personnalisées pour les points et la ligne la mieux ajustée
  • Style et largeur personnalisés pour la ligne la mieux ajustée
  • L’équation de la droite de régression ajustée affichée sur le tracé
import numpy as np
import matplotlib.pyplot as plt

#define data
x = np.array([1, 2, 3, 4, 5, 6, 7, 8])
y = np.array([2, 5, 6, 7, 9, 12, 16, 19])

#find line of best fit
a, b = np.polyfit(x, y, 1)

#add points to plot
plt.scatter(x, y, color='purple')

#add line of best fit to plot
plt.plot(x, a*x+b, color='steelblue', linestyle='--', linewidth=2)

#add fitted regression equation to plot
plt.text(1, 17, 'y = ' + '{:.2f}'.format(b) + ' + {:.2f}'.format(a) + 'x', size=14)

tracer la ligne la mieux adaptée à l'équation de régression en Python

N’hésitez pas à placer l’équation de régression ajustée dans les coordonnées (x, y) que vous souhaitez sur le tracé.

Pour cet exemple particulier, nous avons choisi (x, y) = (1, 17).

Ressources additionnelles

Les didacticiels suivants expliquent comment adapter différents modèles de régression en Python :

Un guide complet de la régression linéaire en Python
Comment effectuer une régression polynomiale en Python
Comment effectuer une régression quantile en Python

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *