Regresión lineal con matplotlib / numpy

Estoy tratando de generar una regresión lineal en un diagrama de dispersión que he generado, sin embargo, mis datos están en formato de lista, y todos los ejemplos que puedo encontrar de uso polyfitrequieren el uso arange. arangeaunque no acepta listas. He buscado alto y bajo sobre cómo convertir una lista en una matriz y nada parece claro. ¿Me estoy perdiendo de algo?

A continuación, ¿cuál es la mejor forma de usar mi lista de enteros como entradas para polyfit?

aquí está el ejemplo de polyfit que estoy siguiendo:

from pylab import * 

x = arange(data) 
y = arange(data) 

m,b = polyfit(x, y, 1) 

plot(x, y, 'yo', x, m*x+b, '--k') 
show() 

arange genera listas (bueno, matrices numpy); escriba help(np.arange)para los detalles. No es necesario llamarlo en listas existentes.

>>> x = [1,2,3,4]
>>> y = [3,5,7,9] 
>>> 
>>> m,b = np.polyfit(x, y, 1)
>>> m
2.0000000000000009
>>> b
0.99999999999999833

Debo agregar que tiendo a usar poly1daquí en lugar de escribir "m * x + b" y los equivalentes de orden superior, por lo que mi versión de su código se vería así:

import numpy as np
import matplotlib.pyplot as plt

x = [1,2,3,4]
y = [3,5,7,10] # 10, not 9, so the fit isn't perfect

coef = np.polyfit(x,y,1)
poly1d_fn = np.poly1d(coef) 
# poly1d_fn is now a function which takes in x and returns an estimate for y

plt.plot(x,y, 'yo', x, poly1d_fn(x), '--k')
plt.xlim(0, 5)
plt.ylim(0, 12)

Este código:

from scipy.stats import linregress

linregress(x,y) #x and y are arrays or lists.

da una lista con lo siguiente:

pendiente: flotante
pendiente de la línea de regresión
intersección: flotante
intersección de la línea de regresión
valor r: flotante
coeficiente de correlación
valor p: flotante valor p de
dos lados para una prueba de hipótesis cuya hipótesis nula es que la pendiente es cero
stderr: flotante
Error estándar de la estimación

Fuente

import numpy as np
import matplotlib.pyplot as plt 
from scipy import stats

x = np.array([1.5,2,2.5,3,3.5,4,4.5,5,5.5,6])
y = np.array([10.35,12.3,13,14.0,16,17,18.2,20,20.7,22.5])
gradient, intercept, r_value, p_value, std_err = stats.linregress(x,y)
mn=np.min(x)
mx=np.max(x)
x1=np.linspace(mn,mx,500)
y1=gradient*x1+intercept
plt.plot(x,y,'ob')
plt.plot(x1,y1,'-r')
plt.show()

Utilizar esta ..

from pylab import * 

import numpy as np
x1 = arange(data) #for example this is a list
y1 = arange(data) #for example this is a list 
x=np.array(x) #this will convert a list in to an array
y=np.array(y)
m,b = polyfit(x, y, 1) 

plot(x, y, 'yo', x, m*x+b, '--k') 
show()

Otra respuesta rápida y sucia es que puede convertir su lista en una matriz usando:

import numpy as np
arr = np.asarray(listname)