Python 2.7中为DataFrame散点图添加简单拟合回归线的最简方法

嘿，给你的散点图加拟合回归线其实超简单，用numpy自带的polyfit和polyval工具就行——不用额外装第三方库，毕竟Python 2.7环境里numpy基本是和matplotlib配套使用的。

直接给你修改后的完整代码，关键部分我会标注清楚：

import numpy as np
import matplotlib.pyplot as plt

# 你的原有绘图代码
df2 = myReport.loc[:, ['Quantity']]
print(df2)
plt.plot(df2, linestyle="", marker="." )
plt.axis([0,45,5023203,5938119])
plt.grid(True)
plt.legend(df2.columns)
plt.ylabel ('Population')
plt.xlabel ('Timeline')

# --- 新增的拟合回归线代码 ---
# 生成x轴数据：这里假设你的Timeline是从0开始的序列（对应df2的索引）
# 如果Timeline是单独的列，直接替换成 myReport['Timeline'] 即可
x = np.arange(len(df2))
# 计算一次线性拟合的系数（参数1代表线性拟合，想做高次拟合改这个数字就行）
fit_coeffs = np.polyfit(x, df2['Quantity'], 1)
# 生成拟合线的y值
y_fit = np.polyval(fit_coeffs, x)
# 绘制拟合线，用红色实线和散点区分，加个标签方便图例显示
plt.plot(x, y_fit, linestyle="-", color="red", label="Linear Fit")
# 更新图例，把拟合线的标签加进去
plt.legend()

plt.show()

几点小说明： #

• 如果你的Timeline不是索引，而是DataFrame里单独的一列，直接把x = np.arange(len(df2))改成x = myReport['Timeline']就行，适配你的实际数据结构。
• np.polyfit的第三个参数是拟合的多项式次数，1对应线性回归，要是你需要二次/三次拟合，改成2/3就行，不过线性拟合是最常用的场景。
• 拟合线的样式（颜色、线型）可以自己调整，比如把color="red"改成color="blue"，linestyle="-"改成linestyle="--"（虚线），让图表更美观。

内容的提问来源于stack exchange，提问作者dunkerkboy