[英]Extended regression lines with seaborn regplot
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至 x=0。 而上面的那条线一直延伸到与下面那条线的交点。
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()
如果你之前知道要策划你的X限制,你可以set_xlim
之前调用该轴regplot
和seaborn然后将延长回归线和CI超过XLIM的范围。
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()
简短回答:您只需要在Seaborn 绘图之前添加plt.xlim(start,end)
。
我想 Seaborn 从绘图限制自动确定长度可能更有意义。
同样的问题把我带到了这里,@Serenity 的回答启发了我像xlims = ax.get_xlim()
这样的东西可能会有所帮助。
之后可以尝试修复并提交对 Seaborn 的更改。
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。 有关详细信息,请查看示例:
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()
将 truncate 设置为 False 就可以了。 在此处添加此答案,可能会对某人有所帮助
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.