如何为Bokeh双散点图添加带回归方程的回归线（含复选框联动）

好的，要给这两个散点图分别加上带回归方程的回归线，并且让它们和CheckboxGroup联动，咱们可以分成几步来实现：先计算线性回归参数、生成回归线数据，然后创建回归线和回归方程文本，最后修改回调函数让它们和对应散点图同步显示/隐藏。下面是完整的实现代码和细节说明：

首先确保你导入了计算回归所需的numpy，以及Bokeh的相关组件：

import numpy as np
from bokeh.plotting import figure, output_file, show
from bokeh.models import CheckboxGroup, CustomJS, Label

假设你的A_area、A_price、B_area、B_price是可迭代的数值序列（如果不是，先转成numpy数组），用np.polyfit计算一阶线性回归的斜率和截距，再生成覆盖数据范围的回归线坐标：

# 处理A组数据的回归计算
slope_a, intercept_a = np.polyfit(A_area, A_price, 1)
# 生成回归线的x轴范围（覆盖A_area的最小到最大值）
x_a_line = np.linspace(A_area.min(), A_area.max(), 100)
# 根据回归方程计算对应y值
y_a_line = slope_a * x_a_line + intercept_a

# 处理B组数据的回归计算
slope_b, intercept_b = np.polyfit(B_area, B_price, 1)
x_b_line = np.linspace(B_area.min(), B_area.max(), 100)
y_b_line = slope_b * x_b_line + intercept_b

在你的figure上添加回归线，同时用Label组件显示格式化后的回归方程（位置可以根据数据范围调整）：

output_file("Scatterplot.html") 
f = figure(title="Area vs Price", x_axis_label='Area', y_axis_label='Price')

# 保留你原来的散点图代码
S0 = f.circle(A_area, A_price, fill_alpha=0.3, size=3, color='green') 
S1 = f.circle(B_area, B_price, fill_alpha=0.3, size=3, color='blue') 

# 添加A组的回归线和回归方程文本
L0 = f.line(x_a_line, y_a_line, color='darkgreen', line_width=2)
eq_a = f"y = {slope_a:.2f}x + {intercept_a:.2f}"
T0 = Label(x=A_area.max()*0.7, y=A_price.max()*0.9, text=eq_a, text_color='darkgreen')
f.add_layout(T0)

# 添加B组的回归线和回归方程文本
L1 = f.line(x_b_line, y_b_line, color='darkblue', line_width=2)
eq_b = f"y = {slope_b:.2f}x + {intercept_b:.2f}"
T1 = Label(x=B_area.max()*0.7, y=B_price.max()*0.8, text=eq_b, text_color='darkblue')
f.add_layout(T1)

把回归线和回归文本也传入回调函数，确保它们和对应散点图同步显示/隐藏：

checkboxes = CheckboxGroup(labels=["A", "B"], active=[0, 1]) 

callback = CustomJS(code="""
    // 默认隐藏所有相关元素
    S0.visible = false;
    L0.visible = false;
    T0.visible = false;
    S1.visible = false;
    L1.visible = false;
    T1.visible = false;

    // 根据选中的复选框，显示对应组的所有元素
    if (cb_obj.active.includes(0)) {
        S0.visible = true;
        L0.visible = true;
        T0.visible = true;
    }
    if (cb_obj.active.includes(1)) {
        S1.visible = true;
        L1.visible = true;
        T1.visible = true;
    }
""", args={'S0': S0, 'L0': L0, 'T0': T0, 'S1': S1, 'L1': L1, 'T1': T1}) 

checkboxes.js_on_click(callback)
show(f)

关键细节说明： #

• np.polyfit(..., 1)中的1代表一阶线性拟合，会返回斜率和截距两个参数；
• 回归线用深色系和散点图对应，方便区分；
• 回归方程文本的位置可以通过调整Label的x和y值来适配你的数据范围，避免被图形遮挡；
• 回调函数中同时控制散点、回归线、文本的可见性，保证每组元素的状态完全同步。

内容的提问来源于stack exchange，提问作者soulynn