python - 在散点图上叠加线函数 - seaborn

Question

我的挑战是将自定义线函数图覆盖在我已经拥有的散点图上，代码如下所示：

base_beta = results.params
X_plot = np.linspace(0,1,400)

g = sns.FacetGrid(data, size = 6)
g = g.map(plt.scatter, "usable_area", "price", edgecolor="w")

其中base_beta只有一个常数，然后是一个系数。基本上，我想覆盖一个绘制线条的函数y = constant + coefficient * x

我试图用它覆盖一条线，但它不起作用。

g = g.map_dataframe(plt.plot, X_plot, X_plot*base_beta[1]+base_beta[0], 'r-')
plt.show()

当前的散点图如下所示：

谁能帮我这个？

--尝试1

base_beta = results.params
X_plot = np.linspace(0,1,400)
Y_plot = base_beta [0] + base_beta[1]*X_plot

g = sns.FacetGrid(data, size = 6)
g = g.map(plt.scatter, "usable_area", "price", edgecolor="w")
plt.plot(X_plot, Y_plot, color='r')
plt.show()

导致相同的图表但没有线：

Answer 1

你可以打电话plt.plot在数据上画一条线。

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

data = pd.DataFrame()
data['usable_area'] = 5*np.random.random(200)
data['price'] =  10*data['usable_area']+10*np.random.random(200)

X_plot = np.linspace(0, 7, 100)
Y_plot = 10*X_plot+5

g = sns.FacetGrid(data, size = 6)
g = g.map(plt.scatter, "usable_area", "price", edgecolor="w")
plt.plot(X_plot, Y_plot, color='r')
plt.show()

生产：

Answer 2

• 现在建议使用图形级函数，例如seaborn.relplotorseaborn.regplot而不是直接使用seaborn.FacetGrid
• 在python 3.8.12, pandas 1.3.3, matplotlib 3.4.3,中测试seaborn 0.11.2

示例数据和导入

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

# create a dataframe with sample x and y
np.random.seed(365)
x = 5*np.random.random(200)
df = pd.DataFrame({'x': x, 'y': 10*x+10*np.random.random(200)})

# add custom line to the dataframe
base_beta = [10, 5]
df['y_line'] = base_beta[0] + base_beta[1]*df.x

display(df.head())
          x          y     y_line
0  4.707279  50.634968  33.536394
1  3.208014  33.890507  26.040068
2  3.423052  37.853276  27.115262
3  2.942810  29.899257  24.714052
4  2.719436  36.932170  23.597180

将自定义线添加到散点图

sns.relplot有.map或.map_dataframe

• 将轴级绘图功能（例如sns.lineplot）应用于图形级绘图的每个方面。
• seaborn：构建结构化的多图网格

p1 = sns.relplot(kind='scatter', x='x', y='y', data=df, height=3.5, aspect=1.5)
p1.map_dataframe(sns.lineplot, 'x', 'y_line', color='g')

sns.scatterplot和sns.lineplot

• 将两个轴级图绘制到同一个图上

fig, ax = plt.subplots(figsize=(6, 4))
p1 = sns.scatterplot(data=df, x='x', y='y', ax=ax)
p2 = sns.lineplot(data=df, x='x', y='y_line', color='g', ax=ax)

---

回归线到散点图

• 对于回归线
  • 用于seaborn.lmplot图形级回归图
  • 用于seaborn.regplot轴级回归图。

sns.lmplot

p1 = sns.lmplot(data=df, x='x', y='y', line_kws={'color': 'g'}, height=3.5, aspect=1.5)

sns.regplot

p2 = sns.regplot(data=df, x='x', y='y', line_kws={'color': 'g'})

Answer 3

您还可以在数据上叠加 Seaborn 图，前提是您有构成该线的点（在下面，我称它们为x_pred和y_pred）：

fig, ax = plt.subplots(figsize=(11, 8.5))
sns.scatterplot(x='M2NS_PC1', y='FII5', data=ir_ms, ax=ax)
ax.axhline(y=0, color='k', linewidth=1)  # added because i want the origin
ax.axvline(x=0, color='k', linewidth=1)

fitted = sm.ols(formula='FII5 ~ M2NS_PC1', data=ir_ms).fit(cov_type='HC3')

x = ir_ms['M2NS_PC1']
x_pred = np.linspace(x.min() - 1, x.max() + 1, 50)
y_pred = fitted.predict(exog=dict(M2NS_PC1=x_pred))

sns.lineplot(x=x_pred, y=y_pred, ax=ax)

然后，只需将其全部绘制在同一轴上。