前兩天終于跑完了所有的實(shí)測數(shù)據(jù)，結(jié)果還行，后期還會修修補(bǔ)補(bǔ)，但總體的思路和框架基本就這樣了。雖然我主要做研究的時間就半年，但這半年時間真的讓人難忘，不斷的實(shí)驗(yàn)，不斷的思考、不斷的學(xué)習(xí)、不斷的匯報(bào)，會犯一些真想罵自己的錯誤，也會取得一些令人驚喜的進(jìn)步。

我對我半年研究之路做了簡單的總結(jié)：我的科研十分符合“否定之否定原理”，新的想法對舊的想法既批判又繼承，一種螺旋上升的狀態(tài)。慶幸的是能夠上升，雖然身心頗受煎熬。思考的嚴(yán)謹(jǐn)性、適當(dāng)?shù)娜∩岷蛢?nèi)心的平靜十分的重要，當(dāng)然不可能一開始就把研究考慮的十分詳細(xì)、也不能考慮的很遠(yuǎn)，個人的知識基礎(chǔ)以及對該事物的了解程度就已經(jīng)決定了。但是至少在我們走的這一步，就該思考的詳細(xì)一點(diǎn)，除了用文字列舉一二三，最好把我們所在做的東西畫圖、并能公式進(jìn)行表達(dá)，否則易出錯。研究中有很多問題要解決的，我無法做到全部解決，著力解決主要問題，次要問題可以適當(dāng)舍棄，因此我也認(rèn)識到隨便說幾個月完成科研工作是莽撞的。想到的好方法原來不過如此、遇到困難過幾天又解決了、研究出現(xiàn)紕漏、結(jié)果還不錯，這些真讓人的心情跌宕起伏，還是得以平常心去對待。道阻且長，唯有主動出擊。

哈哈，同志們，享受每一天吧。我導(dǎo)師說分享很重要：附上一段完整的散點(diǎn)圖代碼，帶有R2,RMSE,和1:1線，拿來即用：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score, mean_squared_error

input_file = r"E:\formal\gap01.xlsx"
df = pd.read_excel(input_file, engine="openpyxl", skiprows=2, header=None)

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['font.family'] = 'Times New Roman'

figure = plt.figure()
x = df.loc[:, 5]
y = df.loc[:, 14]

plt.scatter(x, y, s=35, c=(215/255,25/255,28/255))#alpha設(shè)置透明度
plt.gca().set_aspect('equal')

plt.xlim(0, 0.3)
plt.ylim(0, 0.3)

plt.plot(plt.xlim(), plt.ylim(), ls="--", c=(253/255,174/255,97/255), label="1:1 line")

# 趨勢線擬合
regressor = LinearRegression()
x = x.values.reshape(-1, 1)
regressor.fit(x, y)
y_pred = regressor.predict(x)
plt.plot(x, y_pred, c="#1a9641", label='Trendline')

plt.legend(loc='best', fontsize=13)

# 設(shè)置 x 軸和 y 軸標(biāo)簽步長
x_ticks = np.arange(0,0.4, 0.1)#設(shè)置步長
y_ticks = np.arange(0,0.4, 0.1)
plt.xticks(x_ticks, fontsize=12)
plt.yticks(y_ticks, fontsize=12)

plt.xlabel('Measured gap fraction', fontsize=15)
plt.ylabel('Estimated gap fraction', fontsize=15)
plt.title('understory gap fraction', fontsize=20)

# 計(jì)算 R2 和 RMSE
r1 = r2_score(y, y_pred)
rmse1 = np.sqrt(mean_squared_error(y, y_pred))
equation = f'$y = {regressor.coef_[0]:.2f}x+{regressor.intercept_:.2f}$'
plt.text(0.15, 0.08, f'$R^2$= {r1:.2f}\nRMSE= {rmse1:.2f}\n{equation}', fontsize=14, ha='left', va='top', color="black")

plt.show()