拟合曲线-----程序哪里错了？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

小白最近学习R，遇见一个问题。R程序如下：
coffee<-data.frame(x=c(0,0,1,1,2,2,3,3,4,4,5,5,6,6),
                  y=c(508.1,498.4,568.2,577.3,651.7,657,713.4,697.5,755.3,758.9,787.6,792.1,841.4,931.8)

lm.fit<-lm(y~x+I(x^2),data=coffee)
summary(lm.fit)

xfit<-seq(0,6,len=200)
yfit<-predict(lm.fit, data.frame(x=xfit))
plot(coffe$x,coffe$y)
lines(xfit, yfit)


运行至yfit时出现如下错误：

Error in eval(expr, envir, enclos) : object 'X1' not found


哪里出问题了啊？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：拟合曲线 coffee Offe Off fee 程序

我运行了一下，没什么问题啊。

1. > coffee<-data.frame(x=c(0,0,1,1,2,2,3,3,4,4,5,5,6,6),
   
2. +                   y=c(508.1,498.4,568.2,577.3,651.7,657,713.4,697.5,755.3,758.9,787.6,792.1,841.4,931.8))
   
3. > coffee
   
4.    x     y
   
5. 1  0 508.1
   
6. 2  0 498.4
   
7. 3  1 568.2
   
8. 4  1 577.3
   
9. 5  2 651.7
   
10. 6  2 657.0
    
11. 7  3 713.4
    
12. 8  3 697.5
    
13. 9  4 755.3
    
14. 10 4 758.9
    
15. 11 5 787.6
    
16. 12 5 792.1
    
17. 13 6 841.4
    
18. 14 6 931.8
    
19. > lm.fit<-lm(y~x+I(x^2),data=coffee)
    
20. > lm.fit
    
21. 
    
22. Call:
    
23. lm(formula = y ~ x + I(x^2), data = coffee)
    
24. 
    
25. Coefficients:
    
26. (Intercept)            x       I(x^2)  
    
27.     508.508       67.886       -1.273  
    
28. 
    
29. > xfit<-seq(0,6,len=200)
    
30. > xfit
    
31.   [1] 0.00000000 0.03015075 0.06030151 0.09045226 0.12060302 0.15075377 0.18090452 0.21105528 0.24120603 0.27135678 0.30150754 0.33165829 0.36180905 0.39195980
    
32. [15] 0.42211055 0.45226131 0.48241206 0.51256281 0.54271357 0.57286432 0.60301508 0.63316583 0.66331658 0.69346734 0.72361809 0.75376884 0.78391960 0.81407035
    
33. [29] 0.84422111 0.87437186 0.90452261 0.93467337 0.96482412 0.99497487 1.02512563 1.05527638 1.08542714 1.11557789 1.14572864 1.17587940 1.20603015 1.23618090
    
34. [43] 1.26633166 1.29648241 1.32663317 1.35678392 1.38693467 1.41708543 1.44723618 1.47738693 1.50753769 1.53768844 1.56783920 1.59798995 1.62814070 1.65829146
    
35. [57] 1.68844221 1.71859296 1.74874372 1.77889447 1.80904523 1.83919598 1.86934673 1.89949749 1.92964824 1.95979899 1.98994975 2.02010050 2.05025126 2.08040201
    
36. [71] 2.11055276 2.14070352 2.17085427 2.20100503 2.23115578 2.26130653 2.29145729 2.32160804 2.35175879 2.38190955 2.41206030 2.44221106 2.47236181 2.50251256
    
37. [85] 2.53266332 2.56281407 2.59296482 2.62311558 2.65326633 2.68341709 2.71356784 2.74371859 2.77386935 2.80402010 2.83417085 2.86432161 2.89447236 2.92462312
    
38. [99] 2.95477387 2.98492462 3.01507538 3.04522613 3.07537688 3.10552764 3.13567839 3.16582915 3.19597990 3.22613065 3.25628141 3.28643216 3.31658291 3.34673367
    
39. [113] 3.37688442 3.40703518 3.43718593 3.46733668 3.49748744 3.52763819 3.55778894 3.58793970 3.61809045 3.64824121 3.67839196 3.70854271 3.73869347 3.76884422
    
40. [127] 3.79899497 3.82914573 3.85929648 3.88944724 3.91959799 3.94974874 3.97989950 4.01005025 4.04020101 4.07035176 4.10050251 4.13065327 4.16080402 4.19095477
    
41. [141] 4.22110553 4.25125628 4.28140704 4.31155779 4.34170854 4.37185930 4.40201005 4.43216080 4.46231156 4.49246231 4.52261307 4.55276382 4.58291457 4.61306533
    
42. [155] 4.64321608 4.67336683 4.70351759 4.73366834 4.76381910 4.79396985 4.82412060 4.85427136 4.88442211 4.91457286 4.94472362 4.97487437 5.00502513 5.03517588
    
43. [169] 5.06532663 5.09547739 5.12562814 5.15577889 5.18592965 5.21608040 5.24623116 5.27638191 5.30653266 5.33668342 5.36683417 5.39698492 5.42713568 5.45728643
    
44. [183] 5.48743719 5.51758794 5.54773869 5.57788945 5.60804020 5.63819095 5.66834171 5.69849246 5.72864322 5.75879397 5.78894472 5.81909548 5.84924623 5.87939698
    
45. [197] 5.90954774 5.93969849 5.96984925 6.00000000
    
46. > yfit<-predict(lm.fit, data.frame(x=xfit))
    
47. > yfit
    
48.        1        2        3        4        5        6        7        8        9       10       11       12       13       14       15       16       17       18
    
49. 508.5083 510.5540 512.5973 514.6383 516.6770 518.7134 520.7475 522.7793 524.8087 526.8359 528.8607 530.8832 532.9034 534.9213 536.9369 538.9501 540.9611 542.9697
    
50.       19       20       21       22       23       24       25       26       27       28       29       30       31       32       33       34       35       36
    
51. 544.9760 546.9800 548.9817 550.9811 552.9781 554.9729 556.9653 558.9554 560.9432 562.9287 564.9119 566.8927 568.8713 570.8475 572.8214 574.7931 576.7623 578.7293
    
52.       37       38       39       40       41       42       43       44       45       46       47       48       49       50       51       52       53       54
    
53. 580.6940 582.6563 584.6164 586.5741 588.5295 590.4826 592.4334 594.3819 596.3280 598.2719 600.2134 602.1526 604.0895 606.0241 607.9564 609.8863 611.8140 613.7393
    
54.       55       56       57       58       59       60       61       62       63       64       65       66       67       68       69       70       71       72
    
55. 615.6623 617.5830 619.5014 621.4175 623.3312 625.2427 627.1518 629.0587 630.9632 632.8654 634.7652 636.6628 638.5580 640.4510 642.3416 644.2299 646.1159 647.9996
    
56.       73       74       75       76       77       78       79       80       81       82       83       84       85       86       87       88       89       90
    
57. 649.8810 651.7600 653.6368 655.5112 657.3833 659.2531 661.1206 662.9858 664.8486 666.7092 668.5674 670.4233 672.2769 674.1282 675.9772 677.8239 679.6682 681.5102
    
58.       91       92       93       94       95       96       97       98       99      100      101      102      103      104      105      106      107      108
    
59. 683.3500 685.1874 687.0225 688.8552 690.6857 692.5139 694.3397 696.1632 697.9844 699.8033 701.6199 703.4342 705.2461 707.0558 708.8631 710.6681 712.4708 714.2712
    
60.      109      110      111      112      113      114      115      116      117      118      119      120      121      122      123      124      125      126
    
61. 716.0693 717.8650 719.6585 721.4496 723.2384 725.0249 726.8091 728.5910 730.3706 732.1478 733.9227 735.6954 737.4657 739.2337 740.9993 742.7627 744.5238 746.2825
    
62.      127      128      129      130      131      132      133      134      135      136      137      138      139      140      141      142      143      144
    
63. 748.0389 749.7930 751.5448 753.2943 755.0415 756.7863 758.5289 760.2691 762.0070 763.7426 765.4759 767.2069 768.9355 770.6619 772.3859 774.1076 775.8270 777.5441
    
64.      145      146      147      148      149      150      151      152      153      154      155      156      157      158      159      160      161      162
    
65. 779.2589 780.9714 782.6815 784.3893 786.0949 787.7981 789.4990 791.1975 792.8938 794.5878 796.2794 797.9687 799.6557 801.3404 803.0228 804.7029 806.3806 808.0561
    
66.      163      164      165      166      167      168      169      170      171      172      173      174      175      176      177      178      179      180
    
67. 809.7292 811.4000 813.0685 814.7347 816.3986 818.0601 819.7194 821.3763 823.0309 824.6832 826.3332 827.9809 829.6263 831.2693 832.9100 834.5485 836.1846 837.8184
    
68.      181      182      183      184      185      186      187      188      189      190      191      192      193      194      195      196      197      198
    
69. 839.4498 841.0790 842.7059 844.3304 845.9526 847.5725 849.1901 850.8054 852.4184 854.0290 855.6374 857.2434 858.8471 860.4485 862.0476 863.6444 865.2388 866.8310
    
70.      199      200
    
71. 868.4208 870.0083

复制代码

mymei 发表于 2014-8-12 17:21
我运行了一下，没什么问题啊。

谢谢了  现在运行又可以了。
coffee<-data.frame(x=c(0,0,1,1,2,2,3,3,4,4,5,5,6,6),
                   y=c(508.1,498.4,568.2,577.3,651.7,657,713.4,697.5,755.3,758.9,787.6,792.1,841.4,931.8))

lm.fit<-lm(y~x+I(x^2),data=coffee)
summary(lm.fit)

xfit<-seq(0,6,len=200)
yfit<-predict(lm.fit, data.frame(x=xfit))
plot(coffee$x,coffee$y)
lines(xfit, yfit)

Error in plot(coffeex, coffeey) : object 'coffeex' not found

tmdxyz 发表于 2014-8-13 05:48
Error in plot(coffeex, coffeey) : object 'coffeex' not found

是coffee$x和coffee$y
不知道为什么程序上传就没有$了

主要核实变量名