如何在同一张图中绘制多个线性回归

Question

鉴于以下情况：

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 2 个独立的图。如何将 df2 中的数据添加到同一图表上？我在网上找到的所有seaborn示例似乎都集中在如何创建相邻图表（例如，通过“hue”和“col_wrap”选项）。另外，我不喜欢使用可能存在附加列的数据集示例，因为这在我正在处理的项目中没有自然含义。

如果需要混合使用 matplotlib/seaborn 函数来实现此目的，如果有人可以帮助说明，我将不胜感激。

Answer 1

您可以使用

seaborn

的

FacetGrid

类来获得所需的结果。 您需要用这些行替换您的绘图调用：

# 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();

这将产生这个情节：

如果我理解正确的话，这就是您所需要的。

请注意，您需要注意

.regplot

参数，并且可能想要更改我作为示例给出的值。

行尾的

• ;

  是抑制命令的输出（我在可见的地方使用 ipython 笔记本）。
• Docs 对

  .map()

  方法给出一些解释。本质上，它就是这样做的，将绘图命令与数据映射。然而，它可以与“低级”绘图命令一起使用，例如

  regplot

  ，而不是

  lmlplot

  ，后者实际上是在场景后面调用 regplot。
• 通常

  plt.scatter

  将采用参数：

  c='none'

  、

  edgecolor='r'

  来制作非填充标记。但是seaborn正在干扰这个过程并强制标记颜色，所以我没有看到一个简单/直接的方法来解决这个问题，而是在seaborn生成情节之后操纵

  ax

  元素，这最好作为一部分来解决另一个问题。

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

  ，这是一个轴级函数，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

  ，使用图形级函数比直接使用

  FacetGrid

  更好。
• 将

  df1

  和

  df2

  合并为长格式，然后将

  sns.lmplot

  与

  hue

  参数一起使用。
• 使用

  seaborn

  时，几乎 始终需要数据采用长格式。
  • 习惯上使用

    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，并有一个附加的标识列。这允许它们以

    axis=0

    （默认长格式）而不是

    axis=1

    （宽格式）连接。
• 有多种方法可以组合 DataFrame：
  1. 来自Primer的answer中的组合方法如果组合几个DataFrame就可以了。
  2. 但是，如下所示的函数更适合组合多个 DataFrame。

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)

注释

• 此答案使用的包版本：

  • pandas v1.2.4

  • seaborn v0.11.1

  • matplotlib v3.3.4