如何将散点图中的点替换为无点平滑线？需用predict实现1/x曲线

核心思路 #

1/x曲线可以转化为线性模型（形式为 ( y = a + b \times \frac{1}{x} )），先拟合这个模型，再用密集的x序列预测y值，就能得到平滑线条，全程不用显示原始数据点。

R语言实现步骤 #

1. 拟合1/x模型
   假设你的数据存储在数据框df中，包含x和y列：

   # 拟合y ~ 1/x的线性模型，I()用来保留1/x的原始形式
   model <- lm(y ~ I(1/x), data = df)
   

2. 生成密集的x序列
   为了得到平滑线条，需要生成覆盖原始x范围的密集点：

   # 从x的最小值到最大值生成100个均匀分布的点
   new_x <- seq(min(df$x), max(df$x), length.out = 100)
   

3. 预测对应y值
   用拟合好的模型对新x序列预测，注意构造符合模型要求的新数据框：

   new_df <- data.frame(x = new_x)
   predicted_y <- predict(model, newdata = new_df)
   

4. 绘制平滑线条
   用ggplot2或基础绘图只画线条，不显示原始点：

   # ggplot2示例
   library(ggplot2)
   ggplot() +
     geom_line(aes(x = new_x, y = predicted_y), color = "blue", linewidth = 1) +
     labs(x = "X轴", y = "Y轴")
   
   # 基础绘图示例
   plot(new_x, predicted_y, type = "l", col = "blue", lwd = 1, xlab = "X轴", ylab = "Y轴")
   

Python语言实现步骤 #

用scikit-learn拟合模型，matplotlib绘图：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

# 替换成你的原始x、y数据
x = np.array([1, 2, 3, 4, 5])
y = np.array([1, 0.5, 0.33, 0.25, 0.2])

# 将x转换为1/x的形式，适配线性模型
x_transformed = 1 / x.reshape(-1, 1)

# 拟合线性模型
model = LinearRegression()
model.fit(x_transformed, y)

# 生成密集x序列
new_x = np.linspace(min(x), max(x), 100).reshape(-1, 1)
new_x_transformed = 1 / new_x

# 预测y值
predicted_y = model.predict(new_x_transformed)

# 绘制平滑线
plt.plot(new_x, predicted_y, color='blue', linewidth=1)
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.show()

内容的提问来源于stack exchange，提问作者noname