Python 通过每个数值自变量和目标变量进行线性回归和绘图

我想知道有没有一种方法可以让我得到一对一（1个自变量与目标变量）线性回归分析，它的p值，R2值和曲线图来显示它的线性相关与否。我想让它分别在所有独立变量上运行。据我所知，可以从Python statsmodel库获得OLS回归分析。它在整个数据集上运行并给出结果，没有图表可以直观地理解它。

要非常快速地可视化回归，您可以使用sns尝试以下方法：

import numpy as np
from sklearn.datasets import load_iris
import pandas as pd
import seaborn as sns
data = load_iris()
df = pd.DataFrame(data.data, columns=['sepal.length','sepal.width','petal.length','petal.width'])
df = pd.melt(df,id_vars='sepal.length')
df[:5]

sepal.length    variable    value
0   5.1 sepal.width 3.5
1   4.9 sepal.width 3.0
2   4.7 sepal.width 3.2
3   4.6 sepal.width 3.1
4   5.0 sepal.width 3.6

sns.lmplot(x ='sepal.length', y ='value', data = df,col='variable',
           col_wrap=2,aspect = 0.6, height,= 4, palette ='coolwarm')

这很有趣，但是。如果你能解释一下你试过哪些，以及为什么他们没有做你需要的事情，那就最好了。