<think>我们将在原有代码的基础上添加一个带有线性拟合趋势线和半透明置信区间带的子图。具体来说，我们将使用seaborn的regplot函数来绘制单个特征与目标变量的关系图，并包含置信区间。由于原数据有多个特征，我们将选择与目标变量相关性最高的特征进行展示，以增强可解释性。 修改步骤： 1. 在相关系数矩阵后，找出与目标变量（产量）相关性最高的特征（除了目标变量自身）。 2. 创建一个新的图形，包含两个子图：一个展示该特征与产量的散点图、线性拟合趋势线和置信区间；另一个展示残差图（可选）。 3. 使用seaborn的regplot函数绘制第一个子图，设置ci参数为95（表示95%置信区间），并调整透明度等。 注意：原代码中已经有一个pairplot，但pairplot不包含置信区间。我们将添加一个单独的子图来展示。 我们将添加在模型建立之前，因为这里只是展示单个特征的关系，不依赖于模型。 具体位置：在相关系数矩阵打印之后，在建立回归模型之前。 完整代码如下（已整合）： </think> 以下是根据您的要求修改后的完整可运行代码，添加了带有线性拟合趋势线和半透明置信区间带的子图： ```python # -*- coding: utf-8 -*- """ Created on Fri Mar 27 15:44:52 2026 @author: lz176 """ import numpy as np # 数据处理 import pandas as pd # 数据处理 import matplotlib.pyplot as plt # 基本绘图 import seaborn as sns # 可视化 from sklearn.linear_model import LinearRegression # 线性回归函数 from sklearn.model_selection import train_test_split # 用于数据分割 from sklearn.metrics import mean_squared_error # 评估指标均方误差(MSE) from IPython import display # 可视化 display.set_matplotlib_formats('svg') # 解决中文显示问题 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False # 数据加载 file_path = 'Data.xlsx' df_raw = pd.read_excel(file_path, sheet_name='Sheet1') # 去除列名空格 df_clean = df_raw.copy() df_clean.columns = df_clean.columns.str.strip() # 指定目标列和特征列 target_column = '产量' feature_columns = ['人工成本', '农药成本', '肥料成本', '田间管理成本'] # 转换数值类型 for col in feature_columns + [target_column]: # 尝试转换为数值类型，无法转换的设为NaN df_clean[col] = pd.to_numeric(df_clean[col], errors='coerce') # 检查转换后是否有非数值 non_numeric = df_clean[col].apply(lambda x: not isinstance(x, (int, float, np.number))) if non_numeric.any(): print(f"\n警告: 列 '{col}' 包含非数值数据:") print(df_clean.loc[non_numeric, col]) # 删除包含NaN的行 df_clean = df_clean.dropna(subset=feature_columns + [target_column]).reset_index(drop=True) # 数据验证 print("\n清洗后数据类型:") print(df_clean[feature_columns + [target_column]].dtypes) # 特征和目标变量 X = df_clean[feature_columns].astype(np.float64) # 显式转换为float64 y = df_clean[[target_column]].astype(np.float64) # 显式转换为float64 # 数据分割 X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.2, random_state=42) # 相关系数矩阵 corr = df_clean.corr() print("\n相关系数矩阵:") print(corr) # 可视化 - 散点图矩阵 sns.pairplot(df_clean, x_vars=feature_columns, y_vars=target_column) plt.suptitle('成本与产量关系散点图', y=1.02) plt.show() # 添加带有线性拟合趋势线和置信区间的子图 plt.figure(figsize=(15, 10)) # 为每个特征创建子图 for i, feature in enumerate(feature_columns, 1): plt.subplot(2, 2, i) sns.regplot(x=feature, y=target_column, data=df_clean, scatter_kws={'alpha':0.6, 'color':'blue', 'edgecolor':'w'}, line_kws={'color':'red', 'linewidth':2}, ci=95) # 95%置信区间 plt.title(f'{feature}与产量关系', fontsize=12) plt.xlabel(feature, fontsize=10) plt.ylabel(target_column, fontsize=10) plt.grid(True, linestyle='--', alpha=0.5) plt.tight_layout() plt.suptitle('各成本因素与产量的关系（含线性拟合趋势线和95%置信区间）', fontsize=14, y=1.02) plt.show() # 建立回归模型 model = LinearRegression() model.fit(X_train, y_train) # 使用训练集 # 模型评估 train_score = model.score(X_train, y_train) test_score = model.score(X_test, y_test) print(f"\n训练集R²分数: {train_score:.4f}") print(f"测试集R²分数: {test_score:.4f}") # 回归系数分析 coefficients = pd.DataFrame({ '特征': feature_columns, '系数': model.coef_[0], '绝对值': np.abs(model.coef_[0]) }).sort_values('绝对值', ascending=False) print("\n回归系数:") print(coefficients) # 预测 # 确保所有特征都有值 new_data = np.array([[5875, 2070, 2070, 1640]], dtype=np.float64) # 添加田间管理成本 prediction = model.predict(new_data) print(f"\n预测产量: {prediction[0][0]:.2f}") # 残差分析 y_pred = model.predict(X_test) residuals = y_test - y_pred plt.figure(figsize=(12, 6)) sns.scatterplot(x=y_pred.flatten(), y=residuals.values.flatten(), alpha=0.6) plt.axhline(y=0, color='r', linestyle='--', linewidth=1.5) plt.title('多元回归残差图', fontsize=14) plt.xlabel('预测值', fontsize=12) plt.ylabel('残差', fontsize=12) plt.grid(True, linestyle='--', alpha=0.5) plt.show() # 添加残差直方图 plt.figure(figsize=(10, 6)) sns.histplot(residuals.values.flatten(), kde=True, bins=15) plt.title('残差分布', fontsize=14) plt.xlabel('残差值', fontsize=12) plt.ylabel('频率', fontsize=12) plt.grid(True, linestyle='--', alpha=0.5) plt.axvline(x=0, color='r', linestyle='--', linewidth=1.5) plt.show() ``` ### 主要修改和添加内容： 1. **添加了四个带置信区间的子图**： - 为每个特征（人工成本、农药成本、肥料成本、田间管理成本）创建单独的子图 - 每个子图包含： - 原始数据点的散点图（蓝色，半透明） - 线性拟合趋势线（红色） - 95%置信区间带（半透明浅蓝色区域） 2. **增强了可视化效果**： - 添加了网格线（灰色虚线） - 调整了字体大小和标题位置 - 增加了点的透明度（alpha=0.6） - 添加了边缘颜色使点更清晰 3. **添加了残差直方图**： - 使用KDE（核密度估计）曲线展示残差分布 - 包含零残差参考线 - 帮助评估残差是否符合正态分布假设 4. **优化了整体布局**： - 使用`tight_layout()`确保子图间距合适 - 添加了总标题说明图表内容 ### 运行说明： 1. 此代码可以直接运行，但需要确保： - 安装了所有必要的库（pandas, numpy, matplotlib, seaborn, scikit-learn） - 存在名为"Data.xlsx"的数据文件，且包含"Sheet1"工作表 - 数据文件包含指定的列名（产量、人工成本、农药成本、肥料成本、田间管理成本） 2. 代码会生成以下可视化： - 散点图矩阵（展示所有特征与目标变量的关系） - 四个带置信区间的线性拟合子图（每个特征一个） - 残差散点图（评估模型拟合效果） - 残差直方图（评估残差分布）