Python Matplotlib 绘制线性回归拟合图并解决汉字显示问题

本文将使用 Python 的 Matplotlib 库绘制线性回归拟合图，并解决在绘图过程中汉字无法显示的问题。

代码示例：

import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

# 假设数据已加载到 DataFrame 中
X = dfCar_month['支出'].values.reshape(-1, 1)  # 广告费用
y = dfData_month['金额'].values  # 销售收入

model = LinearRegression()
model.fit(X, y)

# 解决汉字显示问题
plt.rcParams['font.sans-serif']=['SimHei']  # 设置中文字体为黑体
plt.rcParams['axes.unicode_minus']=False  # 解决负号'-'显示为方块的问题

# 绘制拟合图
plt.scatter(X, y)
plt.plot(X, model.predict(X), color='red', linewidth=2)
plt.xlabel('广告费用')
plt.ylabel('销售收入')
plt.title('线性拟合图')
plt.show()

代码说明：

导入必要的库：matplotlib.pyplot 用于绘图，sklearn.linear_model 用于线性回归模型。
加载数据：假设数据已加载到 DataFrame 中，分别提取广告费用和销售收入数据。
创建线性回归模型并拟合数据：使用 LinearRegression() 创建模型，并使用 fit() 方法拟合数据。
解决汉字显示问题：
- plt.rcParams['font.sans-serif']=['SimHei']：设置中文字体为黑体。
- plt.rcParams['axes.unicode_minus']=False：解决负号'-'显示为方块的问题。
绘制散点图和拟合线：
- plt.scatter(X, y)：绘制散点图。
- plt.plot(X, model.predict(X), color='red', linewidth=2)：绘制拟合线。
设置轴标签和标题：
- plt.xlabel('广告费用')：设置 x 轴标签。
- plt.ylabel('销售收入')：设置 y 轴标签。
- plt.title('线性拟合图')：设置标题。
显示图像：plt.show() 显示绘制的图像。

注意：

如果您使用的是其他字体，请将 'SimHei' 替换为您的字体名称。
如果您的系统中没有安装黑体字体，您需要先安装黑体字体。

希望本文能够帮助您成功绘制线性回归拟合图并解决汉字显示问题。如果您还有其他问题，请随时提问。