如果我使用Python中的seaborn库绘制线性回归结果，有没有办法找出回归的数字结果？例如，我可能想知道拟合系数或拟合的R2值。
我可以使用底层statsmodels接口重新运行相同的拟合，但这似乎是不必要的重复努力，并且我想能够比较所得到的系数以确保数值结果与我在图表中看到的结果相同。
我可以使用底层statsmodels接口重新运行相同的拟合，但这似乎是不必要的重复努力，并且我想能够比较所得到的系数以确保数值结果与我在图表中看到的结果相同。
4个回答
36
这是无法做到的。
在我看来，让一种可视化库提供统计建模结果是反过来的。建模库 statsmodels 允许您拟合模型，然后绘制与您拟合的模型完全对应的图形。如果您想要确切的对应关系，我认为这种操作顺序更有意义。
您可能会说，“但是 statsmodels 中的图形选项不如 seaborn 多。” 但我认为这很有道理 - statsmodels 是一种建模库，有时使用可视化来服务于建模。 seaborn 是一种可视化库，有时使用建模来服务于可视化。专业化是好的，试图做所有事情是不好的。
幸运的是，seaborn 和 statsmodels 都使用整洁数据。这意味着您实际上需要非常少的重复工作，就可以通过适当的工具获得两者的图形和模型。
- mwaskom
12
7@user333700，同意。因为这个限制，我目前没有使用seaborn，但我可能会研究一下它。如果现在没有办法实现，我可能会建议添加一个功能，使得可以将statsmodels中的拟合对象用作适当的seaborn绘图函数的输入。 - The Photon
37@mwaskom，我刚收到通知，这个问题已经有2500个浏览量了。这只是一个数据点，以防你想知道有多少人在寻找这个功能。 - The Photon
22为什么你想要运行两次回归分析？Seaborn已经在为你驾驶汽车，只是忘了告诉你它停在哪里。它只会给你发送一个快照，祝你好运找到它。 - famargar
7仍然相关。我原本信任 seaborn 来进行回归分析，但由于我无法检查它使用的参数，所以这么做没有太大意义......知道自己亲自操作更好。少用一个库也不错。 - Fábio Dias
10这似乎是可视化软件的基本要求。在大多数情况下，未报告p值、r^2值和系数的图形是不可接受的。我不认为这是一个专业特性。正如其他人在评论中提到的，这实际上使得seaborn回归对于像研究文章之类的任何合法目的都无用。 - ljusten
显示剩余7条评论
21
Seaborn的创作者不幸地表示，他不会添加这样的功能。以下是一些选项。（最后一节包含了我的原始建议，它使用了seaborn的私有实现细节，并不特别灵活。）
regplot的简单替代版本
下面的函数在散点图上叠加拟合线，并返回statsmodels的结果。这支持sns.regplot最简单、也许是最常见的用法，但没有实现任何更高级的功能。
import statsmodels.api as sm
def simple_regplot(
x, y, n_std=2, n_pts=100, ax=None, scatter_kws=None, line_kws=None, ci_kws=None
):
""" Draw a regression line with error interval. """
ax = plt.gca() if ax is None else ax
# calculate best-fit line and interval
x_fit = sm.add_constant(x)
fit_results = sm.OLS(y, x_fit).fit()
eval_x = sm.add_constant(np.linspace(np.min(x), np.max(x), n_pts))
pred = fit_results.get_prediction(eval_x)
# draw the fit line and error interval
ci_kws = {} if ci_kws is None else ci_kws
ax.fill_between(
eval_x[:, 1],
pred.predicted_mean - n_std * pred.se_mean,
pred.predicted_mean + n_std * pred.se_mean,
alpha=0.5,
**ci_kws,
)
line_kws = {} if line_kws is None else line_kws
h = ax.plot(eval_x[:, 1], pred.predicted_mean, **line_kws)
# draw the scatterplot
scatter_kws = {} if scatter_kws is None else scatter_kws
ax.scatter(x, y, c=h[0].get_color(), **scatter_kws)
return fit_results
statsmodels 的结果包含大量信息，例如：
>>> print(fit_results.summary())
OLS Regression Results
==============================================================================
Dep. Variable: y R-squared: 0.477
Model: OLS Adj. R-squared: 0.471
Method: Least Squares F-statistic: 89.23
Date: Fri, 08 Jan 2021 Prob (F-statistic): 1.93e-15
Time: 17:56:00 Log-Likelihood: -137.94
No. Observations: 100 AIC: 279.9
Df Residuals: 98 BIC: 285.1
Df Model: 1
Covariance Type: nonrobust
==============================================================================
coef std err t P>|t| [0.025 0.975]
------------------------------------------------------------------------------
const -0.1417 0.193 -0.735 0.464 -0.524 0.241
x1 3.1456 0.333 9.446 0.000 2.485 3.806
==============================================================================
Omnibus: 2.200 Durbin-Watson: 1.777
Prob(Omnibus): 0.333 Jarque-Bera (JB): 1.518
Skew: -0.002 Prob(JB): 0.468
Kurtosis: 2.396 Cond. No. 4.35
==============================================================================
Notes:
[1] Standard Errors assume that the covariance matrix of the errors is correctly specified.
一个几乎可以替代sns.regplot的解决方案
与下面的原始答案相比，上述方法的优点在于它很容易扩展到更复杂的拟合。
厚颜无耻地插一下: 这是我编写的一个扩展的regplot函数，实现了sns.regplot的大部分功能: https://github.com/ttesileanu/pydove。
虽然还有一些功能尚未实现，但我编写的函数
- 通过将绘图与统计建模分离(您还可以轻松访问拟合结果)，提供了灵活性。
- 对于大型数据集，速度要快得多，因为它允许
statsmodels计算置信区间，而不是使用自助法。 - 允许稍微更多样化的拟合(例如
log(x)中的多项式)。 - 允许稍微更精细的绘图选项。
旧答案
Seaborn的创建者不幸地表示他不会添加这样的功能，所以这是一个解决方法。
def regplot(
*args,
line_kws=None,
marker=None,
scatter_kws=None,
**kwargs
):
# this is the class that `sns.regplot` uses
plotter = sns.regression._RegressionPlotter(*args, **kwargs)
# this is essentially the code from `sns.regplot`
ax = kwargs.get("ax", None)
if ax is None:
ax = plt.gca()
scatter_kws = {} if scatter_kws is None else copy.copy(scatter_kws)
scatter_kws["marker"] = marker
line_kws = {} if line_kws is None else copy.copy(line_kws)
plotter.plot(ax, scatter_kws, line_kws)
# unfortunately the regression results aren't stored, so we rerun
grid, yhat, err_bands = plotter.fit_regression(plt.gca())
# also unfortunately, this doesn't return the parameters, so we infer them
slope = (yhat[-1] - yhat[0]) / (grid[-1] - grid[0])
intercept = yhat[0] - slope * grid[0]
return slope, intercept
请注意，这仅适用于线性回归，因为它只是从回归结果中推断斜率和截距。好的一点是它使用了
seaborn自己的回归类，因此结果保证与所显示的一致。当然，缺点是我们使用了seaborn中的私有实现细节，这可能会在任何时候发生故障。- Legendre17
4
1可能有点冒险，因为这个答案可以追溯到1月15日，但我已经尝试使用上面的代码，我得到了以下错误：
local variable 'scatter_kws' referenced before assignment - 我该怎么解决？ - Marioanzas原来我在
def中缺少了一些关键字参数。现在应该可以工作了，感谢@Marioanzas指出这一点！ - Legendre17谢谢，您提供的这个函数非常好！一个小改进可以使alpha值也可变：
if 'alpha' in ci_kws: alpha = ci_kws['alpha'] del ci_kws['alpha'] else: alpha= 0.5 - Exi1@Exi 当然，我只是想在答案中包含一个简短的概念证明。我的存储库中的函数 https://github.com/ttesileanu/pygrutils 具有更多功能，并且与
seaborn 更兼容。 - Legendre172
很遗憾，直接从 seaborn.regplot 中提取数值信息是不可能的。因此，下面这个简单的函数拟合了一个多项式回归，并返回平滑线和相应置信区间的值。
import numpy as np
from scipy import stats
def polynomial_regression(X, y, order=1, confidence=95, num=100):
confidence = 1 - ((1 - (confidence / 100)) / 2)
y_model = np.polyval(np.polyfit(X, y, order), X)
residual = y - y_model
n = X.size
m = 2
dof = n - m
t = stats.t.ppf(confidence, dof)
std_error = (np.sum(residual**2) / dof)**.5
X_line = np.linspace(np.min(X), np.max(X), num)
y_line = np.polyval(np.polyfit(X, y, order), X_line)
ci = t * std_error * (1/n + (X_line - np.mean(X))**2 / np.sum((X - np.mean(X))**2))**.5
return X_line, y_line, ci
示例运行：
X = np.linspace(0,1,100)
y = np.random.random(100)
X_line, y_line, ci = polynomial_regression(X, y, order=3)
plt.scatter(X, y)
plt.plot(X_line, y_line)
plt.fill_between(X_line, y_line - ci, y_line + ci, alpha=.5)
- pr94
2
浏览目前可用的文档，我发现使用scipy.stats.pearsonr模块可能是实现此功能的最接近方法。
r2 = stats.pearsonr("pct", "rdiff", df)
尝试在Pandas数据帧内直接运行时，由于违反了基本的scipy输入要求，会出现错误：
TypeError: pearsonr() takes exactly 2 arguments (3 given)
我找到了另一个使用Pandas Seaborn的用户，显然已经解决了这个问题：https://github.com/scipy/scipy/blob/v0.14.0/scipy/stats/stats.py#L2392
sns.regplot("rdiff", "pct", df, corr_func=stats.pearsonr);
但是，不幸的是我还没有成功让它工作，因为似乎作者创建了自己定制的“corr_func”，或者存在一个不公开的Seaborn参数传递方法，需要使用更加手动的方法：
# x and y should have same length.
x = np.asarray(x)
y = np.asarray(y)
n = len(x)
mx = x.mean()
my = y.mean()
xm, ym = x-mx, y-my
r_num = np.add.reduce(xm * ym)
r_den = np.sqrt(ss(xm) * ss(ym))
r = r_num / r_den
# Presumably, if abs(r) > 1, then it is only some small artifact of floating
# point arithmetic.
r = max(min(r, 1.0), -1.0)
df = n-2
if abs(r) == 1.0:
prob = 0.0
else:
t_squared = r*r * (df / ((1.0 - r) * (1.0 + r)))
prob = betai(0.5*df, 0.5, df / (df + t_squared))
return r, prob
希望这能推动原始请求向中间解决方案的进展，因为有很多需要的实用程序可以将回归适应度统计信息添加到Seaborn包中，以替代可以轻松从MS-Excel或股票Matplotlib lineplot中获得的内容。
- user3741230
2
谢谢，是否有顺序依赖关系？例如，这个调用绘制散点图+线性回归线：sns.lmplot("total_bill", "tip", tips); 而这个则添加了双变量分布和pearsonsr：sns.jointplot("total_bill", "tip", tips); 但没有线性回归线。是否有一种解决方法可以手动将线性回归线添加到这个图中呢？：sns.lmplot("total_bill", "tip", tips, scatter_kws={"marker": ".", "color": "slategray"}, line_kws={"linewidth": 1, "color": "seagreen"}); - user3741230
2为什么开发人员不想包含这些基本信息呢？我一直看到像“很容易，只需使用这其他10行代码”之类的建议。但这并不感觉很Pythonic（特别是重新生成已经完成的拟合）。既然我基本上保证会在大部分时间内需要方程式，那么为什么要使用Seaborn而不是使用scipy和matplotlib进行拟合呢？ - Necarion
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接