[Sugestão] Solução - Exercício 3

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

#url = 'https://raw.githubusercontent.com/allanspadini/numpy/dados/citrus.csv'
dados = np.loadtxt('citrus.csv', delimiter=',',usecols=np.arange(1,6,1),skiprows=1)
dl = dados[:5000,0]
pl = dados[:5000,1]
dt = dados[5000:, 0]
pt = dados[5000:,1]

def calcular_r2(y_real, y_pred):
    ss_res = np.sum((y_real - y_pred)**2)
    ss_tot = np.sum((y_real - np.mean(y_real))**2)
    return 1 - (ss_res / ss_tot)

def ajuste_linear(x_array, y_array, nome_fruta='Fruta', cor='blue'):
    # Coeficientes da reta de regressão
    m = (np.sum(x_array * y_array) - (np.sum(x_array) * np.sum(y_array) / np.size(y_array))) / \
        (np.sum(x_array**2) - (np.sum(x_array)**2) / np.size(x_array))
    b = np.mean(y_array) - m * np.mean(x_array)

    # Previsão e R²
    y_pred = m * x_array + b
    r2 = calcular_r2(y_array, y_pred)

    # Gráfico
    x_plot = np.linspace(np.min(x_array), np.max(x_array), 100)
    y_plot = m * x_plot + b

    plt.scatter(x_array, y_array, s=10, alpha=0.5, label=f'Dados - {nome_fruta}', color=cor)
    plt.plot(x_plot, y_plot, color='black', label=f'Ajuste Linear - {nome_fruta}')
    plt.text(np.min(x_array), np.max(y_array), f'$R^2$ = {r2:.3f}', color='black')
    plt.xlabel('Diâmetro')
    plt.ylabel('Peso')
    plt.title(f'Ajuste Linear - {nome_fruta}')
    plt.legend()
    plt.grid(True)
    plt.show()

    # Exibir coeficientes
    print(f'{nome_fruta} - Coeficiente angular (m): {m:.3f}')
    print(f'{nome_fruta} - Intercepto (b): {b:.3f}')
    print(f'{nome_fruta} - R²: {r2:.3f}')

# Chamar a função para cada conjunto
ajuste_linear(dl, pl, nome_fruta='Laranja', cor='orange')
ajuste_linear(dt, pt, nome_fruta='Toranja', cor='red')