如何用Matplotlib在半对数坐标系上拟合直线？

我明白你遇到的困扰了——在半对数图（y轴为对数刻度）上拟合直线时，直接用线性拟合结果绘制会出现弯曲，这是因为你混淆了对数空间的线性关系和原始空间的指数关系。

问题根源 #

半对数图里的直线对应的数学模型是指数函数：
$$y = e^{a \cdot x + b}$$
（用自然对数时）或者
$$y = 10^{a \cdot x + b}$$
（用常用对数时）

你用np.polyfit(x, np.log(y), 1)得到的参数p[0]和p[1]，是对数空间下的线性拟合参数，对应关系是ln(y) = a·x + b。但你直接绘制p[0]*x + p[1]，相当于把对数后的y值当成原始y值在对数轴上绘制，这自然会呈现弯曲曲线——因为你画的是原始空间的线性函数，而非半对数图需要的指数函数。

修正方案 #

你需要把拟合得到的对数空间参数转换回原始空间的指数形式，再进行绘制：

1. 对y取对数后做线性拟合（自然对数或常用对数都可以，保持一致即可）
2. 用拟合参数计算原始空间的拟合y值：np.exp(p[0]*x + p[1])（自然对数）或10**(p[0]*x + p[1])（常用对数）
3. 在半对数图上绘制这个原始空间的拟合值

修正后的完整代码 #

import os
import matplotlib.pyplot as plt
import numpy as np

base_path = os.path.dirname(os.path.realpath(__file__))
fig = plt.figure()
ax = fig.add_subplot(111)

# 加载并绘制原始数据
location = os.path.join(base_path, "data.csv")
data = np.genfromtxt(location, delimiter=',', names=['year', 'bw'])
ax.plot(data['year'], data['bw'], label='Original Data')

# 半对数拟合：对y取自然对数后做线性拟合
x = data['year']
y = data['bw']
p = np.polyfit(x, np.log(y), 1)  # p[0]是斜率a，p[1]是截距b，对应ln(y)=a*x+b

# 转换回原始空间的拟合值
fit_y = np.exp(p[0] * x + p[1])

# 在半对数图上绘制拟合直线
ax.semilogy(x, fit_y, 'g--', label=f'Fit: y = exp({p[0]:.3f}x + {p[1]:.3f})')

ax.set_yscale('log')
ax.legend()
plt.show()

额外说明 #

• 如果你更习惯用常用对数（log10），可以把代码中的np.log换成np.log10，拟合值计算换成10**(p[0]*x + p[1])，结果逻辑一致，只是参数数值不同。
• 你代码中那段A、B、lstsq的逻辑比较混乱（一会用y_ln一会用y），建议直接用np.polyfit，它已经封装了最小二乘拟合的逻辑，更简洁可靠。

内容的提问来源于stack exchange，提问作者user7426532