Comment tracer les statsmodels de régression linéaire (moindres carrés ordinaires) proprement

Énoncé Du Problème:

J'ai quelques belles des données dans une pandas dataframe. Je voudrais régression linéaire simple sur elle:

Comment tracer les statsmodels de régression linéaire (moindres carrés ordinaires) proprement

À l'aide de statsmodels, j'ai effectuer mon régression. Maintenant, comment puis-je obtenir mon terrain? J'ai essayé statsmodels' plot_fit méthode, mais l'intrigue est un peu funky:

Comment tracer les statsmodels de régression linéaire (moindres carrés ordinaires) proprement

J'espérais obtenir une ligne horizontale qui représente le résultat de la régression.

Statsmodels a un variété de méthodes pour le traçage de régression ( un peu plus de détails à leur sujet ici ), mais aucun d'entre eux semblent être super simple tracé de la ligne de régression sur le dessus de vos données" -- plot_fit semble être la chose la plus proche.

Questions:

  • La première photo ci-dessus est de pandas tracé de la fonction, qui renvoie un matplotlib.axes._subplots.AxesSubplot. Puis-je superposition d'une ligne de régression facilement sur cette parcelle?
  • Est-il une fonction dans statsmodels j'ai négligé?
  • Est-il une meilleure façon de mettre ensemble ce chiffre?

Deux questions connexes:

Ni semble avoir une bonne réponse.

Des données de l'échantillon

Comme demandé par @IgorRaush

        motifScore  expression
6870    1.401123    0.55
10456   1.188554    -1.58
12455   1.476361    -1.75
18052   1.805736    0.13
19725   1.110953    2.30
30401   1.744645    -0.49
30716   1.098253    -1.59
30771   1.098253    -2.04

abline_plot

J'avais essayé cela, mais il ne semble pas fonctionner... je ne sais pas pourquoi:

Comment tracer les statsmodels de régression linéaire (moindres carrés ordinaires) proprement

  • Merci de poster un échantillon de données (ressemble à la vôtre est petit de toute façon, de sorte que vous pouvez poster l'ensemble de la chose). En général, je recommande seaborn.regplot qui va accomplir ce que vous avez besoin, si vous êtes d'accord avec le fait d'avoir cette dépendance.
  • voir ci-dessus
InformationsquelleAutor Alex Lenail | 2017-02-15
  1. 18

    Comme je l'ai mentionné dans les commentaires, seaborn est un excellent choix pour les statistiques de la visualisation des données.

    import seaborn as sns

sns.regplot(x='motifScore', y='expression', data=motif)

    Comment tracer les statsmodels de régression linéaire (moindres carrés ordinaires) proprement

    Alternativement, vous pouvez utiliser statsmodels.regression.linear_model.OLS manuellement et de tracer une droite de régression.

    import statsmodels.api as sm

# regress "expression" onto "motifScore" (plus an intercept)
model = sm.OLS(motif.expression, sm.add_constant(motif.motifScore))
p = model.fit().params

# generate x-values for your regression line (two is sufficient)
x = np.arange(1, 3)

# scatter-plot data
ax = motif.plot(x='motifScore', y='expression', kind='scatter')

# plot regression line on the same axes, set x-axis limits
ax.plot(x, p.const + p.motifScore * x)
ax.set_xlim([1, 2])

    Comment tracer les statsmodels de régression linéaire (moindres carrés ordinaires) proprement

    Encore une autre solution est statsmodels.graphics.regressionplots.abline_plot qui prend la standard à partir de l'approche ci-dessus.

    import statsmodels.api as sm
from statsmodels.graphics.regressionplots import abline_plot

# regress "expression" onto "motifScore" (plus an intercept)
model = sm.OLS(motif.expression, sm.add_constant(motif.motifScore))

# scatter-plot data
ax = motif.plot(x='motifScore', y='expression', kind='scatter')

# plot regression line
abline_plot(model_results=model.fit(), ax=ax)

    Comment tracer les statsmodels de régression linéaire (moindres carrés ordinaires) proprement

    • Merci @IgorRaush! Je pense que je vais m'en tenir à la deuxième solution. Malgré seaborn paraître comme une excellente bibliothèque, j'aimerais garder le nombre de dépendances faible, et depuis que je suis le seul à en faire une sorte de complot et déjà en fonction sur les pandas et statsmodels, je vais m'en tenir à ce que ceux-ci peuvent faire pour moi. Mais j'espère que d'autres sont inspirés d'utiliser seaborn!
    • Juste piquer un peu plus et est venu sur abline_plot dans statsmodels. Veuillez voir le modifier.
    • cela ne semble pas fonctionner pour moi, voir ci-dessus
    • Pour une raison quelconque, il n'a travaillé que pour moi lorsqu'il est combiné avec le scatter-plot. Je suppose que cela n'a pas défini les limites de l'axe correctement sur son propre.
    • Qu'entendez-vous par les combiner? Puis-je vous demander de mettre à jour votre dernier extrait de code?
    • Voir ma plus récente édition (ax=ax dans abline_plot). Il semble que abline_plot ne fixe pas les limites de l'axe correctement. Toutefois, si vous passer les axes retourné par motif.plot(...), ces axes ont déjà corriger les limites définies.
    • Merci @IgorRaush!

    InformationsquelleAutor Igor Raush