绘制线性回归最佳拟合线失败，遇x与y尺寸不匹配ValueError

我参考了两篇Stack Overflow帖子，尝试为我的线性回归问题绘制最佳拟合线。

我的数据形状如下：
[数据形状截图：X_test为30行1列的DataFrame，Y_test为30个元素的Series]

我用于绘制最佳拟合线的代码如下：

plt.scatter(X_test.values, Y_test.values, color="black") # 此行触发错误
plt.plot(Y_test, y_pred, color="blue", linewidth=3)

plt.xticks(())
plt.yticks(())

plt.show()

执行代码时触发错误：

ValueError: x and y must be the same size

更新后的输出截图如下：
[输出截图：仅显示一条蓝色拟合线，无散点数据，坐标轴无刻度]

问题原因与解决方法 #

1. 散点图报错根源 #

X_test.values是二维数组（形状为(30,1)），而Y_test.values是一维数组（形状为(30,)），plt.scatter要求x和y的维度完全匹配。只需将X的二维数组转为一维即可解决。

2. 拟合线逻辑错误 #

原代码用Y_test作为拟合线的x轴输入，这不符合线性回归拟合线的绘制逻辑——拟合线应该基于特征X的取值来绘制对应的预测值y_pred，这样才能和散点图的x轴保持一致。

修正后的完整代码：

# 将X_test转为一维数组，与Y_test维度匹配
plt.scatter(X_test.values.squeeze(), Y_test.values, color="black")
# 用X_test作为x轴，y_pred作为预测值绘制拟合线
plt.plot(X_test.values.squeeze(), y_pred, color="blue", linewidth=3)

plt.xticks(())
plt.yticks(())

plt.show()

替代方案 #

如果X_test是pandas DataFrame，也可以直接取第一列的一维数据：

plt.scatter(X_test.iloc[:, 0], Y_test.values, color="black")
plt.plot(X_test.iloc[:, 0], y_pred, color="blue", linewidth=3)

修改后，散点图会正确展示测试数据的分布，拟合线也会对应特征X的取值范围绘制，与散点数据匹配。

内容的提问来源于stack exchange，提问作者The Great