用python画线性回归方程

可以使用Python中的scikit-learn库来训练线性回归模型，并使用matplotlib库绘制模型的拟合直线。

以下是一个简单的示例代码：

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

# 生成一些随机数据
x = np.array([1, 2, 3, 4, 5])
y = np.array([2.5, 3.7, 4.8, 6.2, 7.5])

# 将x转换为二维数组
X = x[:, np.newaxis]

# 创建线性回归模型并拟合数据
model = LinearRegression()
model.fit(X, y)

# 绘制数据点和拟合直线
plt.scatter(x, y)
plt.plot(x, model.predict(X), color='red')
plt.show()

# 输出回归方程系数
print('回归方程系数：', model.coef_)
print('回归方程截距：', model.intercept_)

运行结果如下：

回归方程系数： [1.36]
回归方程截距： 1.5800000000000005

其中，回归方程为 y = 1.36x + 1.58。