python线性回归画图

要在Python中画出线性回归图，你可以使用matplotlib和seaborn库来绘制散点图和回归线。首先，你需要导入所需的库，如下所示：

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

然后，你可以使用自己实现的最小二乘法函数或者使用scikit-learn提供的线性回归类来计算回归方程的系数。下面是一个示例函数，它可以帮助你绘制线性回归图：

def linear_plot():
    data = [[5.06, 5.79], [4.92, 6.61], [4.67, 5.48], [4.54, 6.11], [4.26, 6.39], [4.07, 4.81], [4.01, 4.16], [4.01, 5.55], [3.66, 5.05], [3.43, 4.34], [3.12, 3.24], [3.02, 4.80], [2.87, 4.01], [2.64, 3.17], [2.48, 1.61], [2.48, 2.62], [2.02, 2.50], [1.95, 3.59], [1.79, 1.49], [1.54, 2.10]]

    # 计算线性回归的参数
    X = [x[0] for x in data]
    y = [x[1] for x in data]
    model = LinearRegression()
    model.fit([[x] for x in X], y)
    w = round(model.coef_[0], 2)
    b = round(model.intercept_, 2)

    # 绘制散点图和回归线
    sns.scatterplot(x=X, y=y)
    sns.lineplot(x=X, y=model.predict([[x] for x in X]))

    # 返回参数和绘图对象
    return w, b, plt.figure()

这个函数接受一个二维数据列表作为输入，其中每个子列表包含两个变量的值。它会计算线性回归的参数，并绘制散点图和回归线。最后，它会返回回归方程的系数和绘图对象。

希望这个示例能够帮助你绘制线性回归图。