У меня есть фрейм данных с именем ndvi, например:
Year Running NDVI
0 1984 0 0.423529
1 1984 48 0.664205
2 1984 112 0.341656
3 1985 367 0.477519
4 1985 399 0.588417
5 1986 434 0.669474
6 1986 466 0.698148
7 1987 469 0.566785
8 1987 485 0.501238
9 1988 805 0.399277
10 1989 1140 0.666282
11 1990 1492 0.606567
12 1990 1540 0.505155
13 1991 1876 0.597450
14 1992 2180 0.280612
15 1992 2276 0.498419
16 1993 2563 0.413074
17 1993 2579 0.547831
18 1994 2915 0.345050
19 1994 2931 0.460600
, и я использую линейную модель, подобную этой:
import pandas as pd
import matplotlib.pyplot as plt
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import summary_table
#run linear model
ndvi_x = sm.add_constant(ndvi['Running'])
ndvi_y = ndvi['NDVI']
ndvi_regr = sm.OLS(ndvi_y, ndvi_x)
ndvi_res = ndvi_regr.fit()
# Get fitted values from model to plot
ndvi_st, ndvi_data, ndvi_ss2 = summary_table(ndvi_res, alpha=0.05)
ndvi_fitted_values = ndvi_data[:,2]
#get confidence intervals
ndvi_predict_mean_ci_low, ndvi_predict_mean_ci_upp = ndvi_data[:,4:6].T
ndvi_CI_df = pd.DataFrame(columns = ['x_data', 'low_CI', 'upper_CI'])
ndvi_CI_df['x_data'] = ndvi['Year']
ndvi_CI_df['low_CI'] = ndvi_predict_mean_ci_low
ndvi_CI_df['upper_CI'] = ndvi_predict_mean_ci_upp
ndvi_CI_df.sort_values('x_data', inplace = True)
#plot the data
fig, ax = plt.subplots(figsize = (11, 6), sharey = True)
ax.scatter(ndvi['Year'], ndvi['NDVI'], color = 'black')
ax.plot(ndvi['Year'], ndvi_fitted_values, lw = 2, color = 'k')
ax.fill_between(ndvi_CI_df['x_data'], ndvi_CI_df['low_CI'], ndvi_CI_df['upper_CI'], color = 'gray', alpha = 0.4, label = '95% CI')
ax.set_xlabel("Year")
ax.set_ylabel("NDVI")
, которая возвращает:
Чего я не понимаю, так это почему линия наилучшего соответствия на самом деле не является линейной, а вместо этого имеет разрывы в ней?