如何在同一图中绘制多个线性回归？

Question

鉴于以下内容：

import numpy as np
import pandas as pd
import seaborn as sns

np.random.seed(365)
x1 = np.random.randn(50)
y1 = np.random.randn(50) * 100
x2 = np.random.randn(50)
y2 = np.random.randn(50) * 100

df1 = pd.DataFrame({'x1':x1, 'y1': y1})
df2 = pd.DataFrame({'x2':x2, 'y2': y2})

sns.lmplot('x1', 'y1', df1, fit_reg=True, ci = None)
sns.lmplot('x2', 'y2', df2, fit_reg=True, ci = None)

这将创建两个单独的绘图。我如何将 df2 的数据添加到同一张图表中？所有我在网上找到的 seaborn 示例似乎都集中于如何创建相邻的图形（例如，通过“hue”和“col_wrap”选项）。另外，我不想使用数据集示例，因为这在我们项目中没有自然意义。

如果需要混合使用 matplotlib/seaborn 函数来实现这一点，我会很感激有人能帮助说明。

- laszlopanaflex

Answer 1

你可以使用 seaborn 的 FacetGrid 类来获得所需的结果。 你只需要用以下代码替换你的绘图调用即可：

# sns.lmplot('x1', 'y1', df1, fit_reg=True, ci = None)
# sns.lmplot('x2', 'y2', df2, fit_reg=True, ci = None)
df = pd.concat([df1.rename(columns={'x1':'x','y1':'y'})
                .join(pd.Series(['df1']*len(df1), name='df')), 
                df2.rename(columns={'x2':'x','y2':'y'})
                .join(pd.Series(['df2']*len(df2), name='df'))],
               ignore_index=True)

pal = dict(df1="red", df2="blue")
g = sns.FacetGrid(df, hue='df', palette=pal, size=5);
g.map(plt.scatter, "x", "y", s=50, alpha=.7, linewidth=.5, edgecolor="white")
g.map(sns.regplot, "x", "y", ci=None, robust=1)
g.add_legend();

这将产生以下绘图：

如果我理解正确的话，这就是你所需要的。

请注意，您需要注意.regplot的参数，并可能想要更改我作为示例放置的值。

• 行末的;是为了抑制命令输出（我使用ipython笔记本电脑，在那里它是可见的）。
• 文档对.map()方法进行了一些解释。实质上，它做的就是将绘图命令与数据映射在一起。但是，它将使用“低级”绘图命令，例如regplot，而不是lmlplot，后者实际上在幕后调用regplot。
• 通常，plt.scatter会有参数：c='none'，edgecolor='r'，以创建非填充标记。但seaborn正在干扰此过程并将颜色强制为标记，因此我没有找到一种简单/直接的方法来解决此问题，但可以在seaborn生成绘图后操作ax元素，最好将其作为不同问题的一部分解决。

- Primer

Answer 2

选项1: sns.regplot

• 在这种情况下，最容易实现的解决方案是使用 sns.regplot，它是一个轴级函数，因为这不需要组合df1和df2。

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

# create the figure and axes
fig, ax = plt.subplots(figsize=(6, 6))

# add the plots for each dataframe
sns.regplot(x='x1', y='y1', data=df1, fit_reg=True, ci=None, ax=ax, label='df1')
sns.regplot(x='x2', y='y2', data=df2, fit_reg=True, ci=None, ax=ax, label='df2')
ax.set(ylabel='y', xlabel='x')
ax.legend()
plt.show()

---

选项2: sns.lmplot

• 根据 sns.FacetGrid，最好使用图形级别的函数而不是直接使用 FacetGrid。
• 将 df1 和 df2 合并为长格式，然后使用 sns.lmplot 并设置 hue 参数。
• 在使用 seaborn 时，数据几乎总是需要处于长格式。
  • 通常使用 pandas.DataFrame.stack 或 pandas.melt 将 DataFrame 从宽格式转换为长格式。
  • 因此，df1 和 df2 必须重命名列，并添加一个额外的标识列。这使它们可以在 axis=0（默认的长格式）上进行连接，而不是在 axis=1（宽格式）上进行连接。
• 有多种方法可以组合 DataFrames：
  1. 来自 Primer 的 answer 中的组合方法对于组合少量 DataFrames 是不错的。
  2. 然而，如下所示的函数对于组合许多 DataFrames 更好。

def fix_df(data: pd.DataFrame, name: str) -> pd.DataFrame:
    """rename columns and add a column"""
    # rename columns to a common name
    data.columns = ['x', 'y']
    # add an identifying value to use with hue
    data['df'] = name
    return data


# create a list of the dataframes
df_list = [df1, df2]

# update the dataframes by calling the function in a list comprehension
df_update_list = [fix_df(v, f'df{i}') for i, v in enumerate(df_list, 1)]

# combine the dataframes
df = pd.concat(df_update_list).reset_index(drop=True)

# plot the dataframe
sns.lmplot(data=df, x='x', y='y', hue='df', ci=None)

注意事项

• 本答案所使用的软件包版本如下：
  • pandas v1.2.4
  • seaborn v0.11.1
  • matplotlib v3.3.4

- Trenton McKinney