Python新手求教：如何在X轴添加实际价格并绘制实价vs预测价图

嘿，别慌！作为Python新手，能想到用可视化来验证预测结果已经很棒啦～你现在的代码是用Id做X轴画价格走势，而你需要的是实际价格做X轴、预测价格做Y轴的散点对比图，我来一步步教你改：

核心思路 #

我们需要把实际价格和对应的预测价格一一对应起来，用散点图展示它们的关系，再加上一条y=x的参考线——如果预测完全准确，所有点都会落在这条线上，偏离越远说明预测误差越大。

具体步骤&代码 #

第一步：确保数据对应（关键！）

首先要保证你的实际价格数据（df_tr）和预测价格数据（df_pred）是按相同顺序排列的（比如都按Id排序），或者通过合并数据框来对齐：

import pandas as pd

# 合并实际和预测数据，用Id做匹配，给列名加后缀区分
merged_df = pd.merge(df_tr[['Id', 'SalePrice']], df_pred[['Id', 'SalePrice']], 
                     on='Id', suffixes=('_actual', '_predicted'))

第二步：绘制对比散点图

替换你原来的绘图代码，用plt.scatter来画：

import matplotlib.pyplot as plt

# 绘制实际价格（X轴） vs 预测价格（Y轴）的散点图
plt.scatter(merged_df['SalePrice_actual'], merged_df['SalePrice_predicted'], 
            color='blue', alpha=0.6)  # alpha设0.6让重叠点更清晰

# 添加y=x参考线，方便直观对比
plt.plot([merged_df['SalePrice_actual'].min(), merged_df['SalePrice_actual'].max()], 
         [merged_df['SalePrice_actual'].min(), merged_df['SalePrice_actual'].max()], 
         color='red', linestyle='--')

# 设置图表细节
plt.title('Predicted vs Actual Sale Prices')
plt.xlabel('Actual Sale Price')
plt.ylabel('Predicted Sale Price')

# 显示图形
plt.show()

简化版（如果数据已经对齐）

如果你确定df_tr和df_pred的行顺序完全对应（比如都按Id排好序了），也可以直接跳过合并，直接用两列数据绘图：

plt.scatter(df_tr['SalePrice'], df_pred['SalePrice'], color='blue', alpha=0.6)
plt.plot([df_tr['SalePrice'].min(), df_tr['SalePrice'].max()], 
         [df_tr['SalePrice'].min(), df_tr['SalePrice'].max()], 
         color='red', linestyle='--')
plt.title('Predicted vs Actual Sale Prices')
plt.xlabel('Actual Sale Price')
plt.ylabel('Predicted Sale Price')
plt.show()

小提示 #

• 散点图比折线图更适合展示两个变量的对应关系，折线图在这里会显得混乱哦～
• y=x参考线是关键，能快速帮你判断整体预测的偏差方向。

内容的提问来源于stack exchange，提问作者Lemair