matplotlib线性回归温度和二氧化碳排放量预测代码

在Python中，可以使用matplotlib库结合sklearn库来进行线性回归分析，例如预测温度与二氧化碳排放量之间的关系。下面是一个简单的示例代码：

# 导入所需库
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

# 加载数据集（假设数据存储在CSV文件中）
data = pd.read_csv('temperature_co2_data.csv')

# 定义特征（x轴）和目标变量（y轴）
X = data['CO2_emissions']
y = data['Temperature']

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 绘制散点图和回归线
plt.scatter(X_test, y_test, color='blue')
plt.plot(X_test, y_pred, color='red', linewidth=2)
plt.xlabel('二氧化碳排放量 (ppm)')
plt.ylabel('温度 (°C)')
plt.title('温度与二氧化碳排放量线性回归预测')
plt.show()