如何用Python matplotlib绘制实际值与预测值的对比图

现有代码存在的偏差 #

• 参考线绘制逻辑错误：原代码使用plt.plot(range(my_range), range(my_range), 'o')绘制参考对象，输出为沿y=x分布的离散圆点，而非贯穿图面的连续理想拟合对角线
• 坐标范围适配失效：range(my_range)仅能生成整数步长的坐标点，无法匹配带小数取值的样本数据，同时未预留合理绘图边距，导致数据点挤在图的角落
• 图面可读性缺失：未配置坐标轴标签、图例、网格，无法直观区分样本点和参考线

可直接复用的修正代码 #

import matplotlib.pyplot as plt
import numpy as np

def plotGraph(y_test, y_pred, regressorName):
    # 自适应计算统一坐标范围，预留10%边距避免数据点贴边
    axis_min = min(y_test.min(), y_pred.min()) * 0.9
    axis_max = max(y_test.max(), y_pred.max()) * 1.1
    
    # 绘制实际值与预测值的样本散点
    plt.scatter(y_test, y_pred, color='#c0392b', label='样本点')
    # 绘制连续的y=x理想参考线
    plt.plot([axis_min, axis_max], [axis_min, axis_max], 
             color='#7f8c8d', linestyle='--', label='理想拟合线')
    
    # 配置图面展示要素
    plt.title(regressorName)
    plt.xlabel('实际值 Original')
    plt.ylabel('预测值 Predicted')
    plt.xlim(axis_min, axis_max)
    plt.ylim(axis_min, axis_max)
    plt.legend()
    plt.grid(alpha=0.3)
    plt.show()

最终效果说明 #

• 红色散点为每一组实际值和对应预测值的坐标点，点越贴近灰色虚线参考线，代表模型预测和实际值的偏差越小
• 坐标范围完全适配样本的取值区间，不会出现参考线错位、离散圆点堆砌的问题，和预期绘图效果一致

内容的提问来源于stack exchange，提问作者Jealima