怎么用python绘制带平滑曲线的散点图

在Python中，可以使用matplotlib库来绘制带平滑曲线的散点图，通常通过`plt.scatter`函数生成散点图，然后利用`plt.plot`或`sns.lineplot`进行线性拟合。这里是一个简单的例子：

import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns

# 创建数据点
x = np.linspace(0, 10, 100)
y = np.sin(x) + np.random.normal(0, 0.5, size=100)

# 绘制散点图
plt.scatter(x, y, color='blue', alpha=0.7)

# 添加平滑曲线（例如线性拟合）
sns.regplot(x=x, y=y, scatter=False, line_kws={'color': 'red', 'linestyle': '-'})

# 显示图形
plt.title('Scatter plot with smooth curve')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

在这个例子中，我们首先创建了一些随机分布的数据点，并用蓝色散点表示。然后使用`sns.regplot`函数对数据点进行线性拟合，得到一条红色平滑曲线。

如果你想自定义拟合模型，例如使用高斯核光滑（KDE），可以考虑使用`KernelDensity`：

from sklearn.neighbors.kde import KernelDensity
kde = KernelDensity(kernel='gaussian').fit(x[:, None])
density = kde.score_samples(x[:, None])

plt.fill_between(x, density, alpha=0.5, color='green')  # 用绿色填充密度区间的部分