Python气象处理绘图——局部加权线性回归

import statsmodels.api as smlowess = sm.nonparametric.lowesslowess(   endog = y值(一维numpy数组),  exog = x值(一维numpy数组),  frac = 使用多少比例的数据来拟合曲线(0~1, 值越大平滑的力度越大),  is_sorted = 告诉程序数据是否按 x值 排序(True, False默认), 默认会把数据排序,  missing =  (‘none’, ‘drop’, and ‘raise’) 'none'不进行缺失值检查，'drop'丢弃含有缺失值的样本(默认), 'raise'有缺失值会报错,  return_sorted = (True(默认), False) 返回的数据按 x值 排序)

iimport numpy as npimport warningswarnings.filterwarnings('ignore')import matplotlib.pyplot as pltimport pandas as pdfrom scipy.interpolate import interp1dimport statsmodels.api as sm

data=sns.load_dataset("tips")data.head(5) df1 = data.set_index(['sex','day'])#设置两层索引方式'time','size'def findxy(df1,sex,day,k,n):    Y=df1.loc[(sex,day),'total_bill']#提取横纵坐标值    X=df1.loc[(sex,day),'tip']    x=np.array(X[:])    y=np.array(Y[:])    # lowess will return our "smoothed" data with a y value for at every x-value    lowess = sm.nonparametric.lowess(y, x, frac=k)    # unpack the lowess smoothed points to their values    lowess_x = list(zip(*lowess))[0]    lowess_y = list(zip(*lowess))[1]    ax[n].plot(y, x, 'o',markersize=1.2,color='b')    ax[n].plot( lowess_y,lowess_x, '-',linewidth=1.5,color='r')    return(x,y,lowess_x,lowess_y)r=['Male','Female']s=['Sun','Sat','Thur','Fri']# 创建一个2*3网格子图，每行的3个子图使用相同的y轴坐标，每列的2个子图使用相同的x轴坐标fig, ax = plt.subplots(2,4, figsize=(18, 14),sharex='col', sharey=True)ax = ax.ravel()for i in range(2):    for j in range(4):        ax[i*4].set(ylabel=r[i],        #title='About as simple as it gets, folks'        )        ax[j].set_title(s[j])#设置上标题       #ax[i].set_xlabel('Temperature trend($^\circ$C/10y)', font1)#for i in range(16,20):#    ax[i].set(xlabel='Temperature trend($^\circ$C/10y)'#    )#fig.suptitle('Temperature trend($^\circ$C/10y)',x=0.5, y=0.05, fontsize=12)fig.text(0.06, 0.5, 'Total bill (yuan)', va='center', rotation='vertical', fontsize=12)fig.text(0.5, 0.05, 'Tip', va='center', ha='center', fontsize=12)#fig.suptitle('Elevation(m)',x=0.05, y=0.5, fontsize=12)for i in range(2):    for j in range(4):        n=i*4+j        findxy(df1,r[i],s[j],0.5,n)  

df1 = data.set_index(['sex','day'])#设置两层索引方式'time','size'df1.index#提取横纵坐标值Y=df1.loc[('Male','Sun'),'tip']X=df1.loc[('Male','Sun'),'total_bill']