使用 seaborn regplot 的扩展回归线

Posted 2023-03-12

【中文标题】使用 seaborn regplot 的扩展回归线

【英文标题】：Extended regression lines with seaborn regplot

【发布时间】：2017-09-05 08:05:44

【问题描述】：

我进行了搜索，但没有找到重新分级 seaborn 库的答案。我还检查了lmplot() 和regplot() 的文档，但也没有找到。 是否可以扩展和控制回归线的长度？默认情况下，seaborn 根据 x 轴的长度拟合回归线的长度。另一种选择是使用参数truncate=True - 这会将回归线限制在数据范围内。 其他选择？

在我的示例中，我希望将下回归线向下延伸直到 x=0。并且上面的线一直延伸到和下面的相交处。

import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

file = 'cobbles.csv'
df = pd.read_csv(file, sep=',')

sns.regplot(x='downward_temp', y='downward_heat', data=df, ci=None)
sns.regplot(x='upward_temp', y='upward_heat', data=df, ci=None, order=2)


plt.xlim([0,25])
plt.ylim([0,100])
plt.show()

【参考方案1】：

如果您在绘图之前知道您的 x 限制，您可以在调用 regplot 之前为轴 set_xlim，然后 seaborn 会将回归线和 CI 扩展到 xlim 的范围内。

import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

file = 'cobbles.csv'
df = pd.read_csv(file, sep=',')

fig, ax = plt.subplots()

xlim = [0,25]
ax.set_xlim(xlim)

sns.regplot(x='downward_temp', y='downward_heat', data=df, ci=None, ax=ax)
sns.regplot(x='upward_temp', y='upward_heat', data=df, ci=None, order=2, ax=ax)

ax.set_ylim([0,100])
plt.show()

【讨论】：

您还需要在 regplot(...) 调用中使用 truncate=False 才能使其正常工作。

【参考方案2】：

简答：您只需要在您的 Seaborn 地块之前添加plt.xlim(start,end)。

---

我想 Seaborn 自动根据绘图限制确定长度可能更有意义。

同样的问题把我带到了这里，@Serenity 的回答启发了我，xlims = ax.get_xlim() 之类的东西可能会有所帮助。

之后可能会尝试修复并提交对 Seaborn 的更改。

【讨论】：

您还需要在 regplot(...) 调用中使用 truncate=False 才能使其正常工作。

【参考方案3】：

你必须像 seaborn 一样使用scipy.stats.linregress 来计算线性回归函数。然后您必须生成 x 数组以覆盖画布的新 x 轴限制并在其上绘制扩展回归线。详情看例子：

import numpy as np; np.random.seed(8)

import seaborn as sns
import matplotlib.pylab as plt
import scipy.stats

# test data
mean, cov = [4, 6], [(1.5, .7), (.7, 1)]
x, y = np.random.multivariate_normal(mean, cov, 80).T
ax = sns.regplot(x=x, y=y, color="g")

# extend the canvas
plt.xlim([0,20])
plt.ylim([0,15])

# calculate linear regression function
slope, intercept, r_value, p_value, std_err = \
 scipy.stats.linregress(x=x,y=y)

# plot the regression line on the extended canvas
xlims = ax.get_xlim()
new_x = np.arange(xlims[0], xlims[1],(xlims[1]-xlims[0])/250.)
ax.plot(new_x, intercept + slope *  new_x, color='g', linestyle='-', lw = 2.5)

plt.show()

【讨论】：

谢谢。这也是我解决问题的想法。但不幸的是，这归结为一个散点图加上一条线。在这种情况下，几乎没有 seaborn 的意义。但如果拟合线是幂曲线或对数函数或其他类型的可能函数呢？

寻找 numpy.polyfit 或 scipy.optimize.curve_fit。这是很好的答案：***.com/a/3433503/2666859

【参考方案4】：

将 truncate 设置为 False 即可完成这项工作。在此处添加此答案，可能会对某人有所帮助

【讨论】：

太棒了！非常及时。