линейная посадка на графике журнала не является линейной

Question

Я пытаюсь проанализировать воспроизводимость одного эксперимента.Я заменил 0 значений на 0,1 и нанес на график данные обоих экспериментов с логарифмическими осями.Пока все хорошо.

Далее я получил строки, в которых значения в обоих столбцах> 0, и я рассчитал линейную регрессию на log10 этих значений.Я получил наклон и точку пересечения линейной аппроксимации, а затем попытался построить ее.

import pandas as pd
import numpy as np

table = pd.read_csv("data.csv")
data = table.replace(0, 0.1)
plt.plot(data["run1"], data["run2"], color="#03012d", marker=".", ls="None", markersize=3, label="")

plt.xscale('log')
plt.yscale('log')
plt.axis('square')
plt.xlabel("1st experiment")
plt.ylabel("2nd experiment")

from scipy.stats import linregress

df = table.loc[(table['run1'] >0) & (table['run2'] >0)]

stats = linregress(np.log10(df["run1"]),np.log10(df["run2"]))

m = stats.slope
b = stats.intercept
r = stats.rvalue

x = np.logspace(-1, 5, base=10)
y = (m*x+b)

plt.plot(x, y, c='orange', label="fit")
plt.legend()

Но это то, что я получаю, и это определенно не линейно:

Я не знаю, что я делаю неправильно ..

РЕДАКТИРОВАТЬ:

Ссылка на исходный набор данных

Answer 1

Когда я визуально проверяю диаграмму рассеяния данных, я не вижу никакой полезности в ведении журналов.Прямая линия через необработанные данные выглядит так, как будто это лучшее, что вы можете здесь сделать, см. Прикрепленные изображения.

Answer 2

Вы путаете вещи здесь.Проблема заключается в том, что np.logspace(-1, 5, base=10) просто возвращает вам логарифмически разнесенные значения, но вам все равно нужно взять 10 логарифмов ваших значений x, потому что ваша ось x на графике логарифмическая (np.log10 (x)) и выполните следующее

x = np.log10(np.logspace(-1, 5, base=10))
y = (m*x + b)
plt.plot(x, y, c='orange', label="fit")

Это даст вам то, что вы ожидаете, прямое линейное регрессионное предсказание.