python画ols拟合图

在Python中，要绘制线性回归(Ordinary Least Squares，简称OLS)拟合图，通常会使用matplotlib和numpy库。下面是一个简单的例子，假设我们有一个数据集，并想要对其进行线性拟合：

import numpy as np
import matplotlib.pyplot as plt

# 假设我们有数据点
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 3, 5, 7, 8])

# 计算斜率和截距（通过最小二乘法）
slope, intercept = np.polyfit(x, y, 1)

# 创建一个新的x值范围用于拟合线
new_x = np.linspace(min(x), max(x), 100)  # 线条覆盖的数据点

# 使用斜率和截距计算拟合线上的y值
predicted_y = slope * new_x + intercept

# 绘制散点图和拟合线
plt.scatter(x, y, label='Data points')
plt.plot(new_x, predicted_y, color='red', label='Fitted line')

# 添加标题和标签，以及图例
plt.title('Linear Regression (OLS)')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.legend()

# 显示图形
plt.show()

在这个例子中，`np.polyfit`函数用于计算最佳拟合直线的斜率和截距，然后我们可以利用这些信息在新的x范围内生成拟合线。最后，`plt.plot`函数用于绘制散点图和拟合线。