在一个绘图中绘制多个lm()模型

在一个绘图中绘制多个lm()模型，可以通过以下步骤实现：

导入必要的库和数据：首先，导入需要使用的库，如matplotlib和pandas。然后，准备数据，可以是一个包含多个模型的数据集。
拟合lm()模型：使用lm()函数拟合多个线性回归模型。可以根据需要设置不同的自变量和因变量，以及其他参数。
绘制模型拟合曲线：对于每个拟合的模型，使用模型的系数和数据集中的自变量，计算预测值。然后，使用matplotlib库绘制实际观测值和预测值之间的关系。

以下是一个示例代码，演示如何在一个绘图中绘制多个lm()模型：

import matplotlib.pyplot as plt
import pandas as pd
from sklearn.linear_model import LinearRegression

# 准备数据
data = pd.read_csv('data.csv')  # 假设数据保存在data.csv文件中
x = data[['x1', 'x2', 'x3']]  # 自变量
y = data['y']  # 因变量

# 创建模型
model1 = LinearRegression()
model2 = LinearRegression()
model3 = LinearRegression()

# 拟合模型
model1.fit(x, y)
model2.fit(x, y)
model3.fit(x, y)

# 绘制模型拟合曲线
plt.scatter(x['x1'], y, color='red', label='Actual')  # 实际观测值
plt.plot(x['x1'], model1.predict(x), color='blue', label='Model 1')  # 模型1的预测值
plt.plot(x['x1'], model2.predict(x), color='green', label='Model 2')  # 模型2的预测值
plt.plot(x['x1'], model3.predict(x), color='orange', label='Model 3')  # 模型3的预测值

plt.xlabel('x1')
plt.ylabel('y')
plt.legend()
plt.show()

在这个例子中，我们假设数据保存在名为data.csv的文件中，自变量为x1、x2和x3，因变量为y。我们创建了三个LinearRegression模型，并使用fit()方法拟合这些模型。然后，使用plot()函数绘制实际观测值和每个模型的预测值之间的关系。最后，使用xlabel()和ylabel()函数添加坐标轴标签，使用legend()函数添加图例，并使用show()函数显示图形。