Python 如何在同一图形中绘制多元线性回归

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)

这将创建两个单独的绘图。如何将来自df2的数据添加到同一个图形上？我在网上找到的所有seaborn示例似乎都关注于如何创建相邻图形（例如，通过“色调”和“颜色包裹”选项）。另外，我不喜欢使用可能存在额外列的数据集示例，因为这在我正在处理的项目中没有自然意义

---

如果要实现这一点需要matplotlib/seaborn函数的混合，如果有人能帮助说明，我将不胜感激。

您可以使用

seaborn

的类来获得所需的结果。 您需要将打印调用替换为以下行：

# 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();

这将产生此图：

如果我理解正确，这就是你需要的

请注意，您需要注意

.regplot

参数，可能需要更改我作为示例输入的值

• 用于抑制命令的输出（我在可见的地方使用ipython笔记本）

• 对

  .map（）

  方法进行一些解释。本质上，它就是这样做的，用数据映射打印命令。但是，它将使用“低级”绘图命令，如

  regplot

  ，而不是

  lmlplot

  ，后者实际上是在幕后调用regplot
• 通常，

  plt.scatter

  会使用参数：

  c='none'

  ，

  edgecolor='r'

  来制作非填充标记。但是seaborn干扰了这一过程，并对标记施加了颜色，因此我看不到一种简单/直接的方法来解决这一问题，而是在seaborn生成绘图后操纵

  ax

  元素，这最好作为另一个问题的一部分来解决

选项1:

sns.regplot

• 在这种情况下，最容易实现的解决方案是使用轴级功能，因为这不需要组合

  df1

  和

  df2

将熊猫作为pd导入
进口海运
将matplotlib.pyplot作为plt导入
#创建图形和轴
图，ax=plt.子批次（图尺寸=（6,6））
#为每个数据帧添加绘图
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.图例（）
plt.show（）

---

选项2:

sns.lmplot

• 根据，使用图形级函数比直接使用

  FacetGrid

  更好
• 将

  df1

  和

  df2

  组合成长格式，然后与

  hue

  参数一起使用
• 使用

  seaborn

  时，数据的长格式几乎总是必需的。
  • 通常使用或将数据帧从宽转换为长
  • 因此，

    df1

    和

    df2

    必须重命名列，并具有附加的标识列。这允许它们在

    轴=0

    （默认长格式）上连接，而不是在

    轴=1

    （宽格式）上连接
• 有多种方法可以组合数据帧：
• 如果组合几个数据帧，则from中的组合方法很好
• 但是，如下所示的函数更适合组合多个数据帧

def fix_df（数据：pd.DataFrame，名称：str）->pd.DataFrame:
“”“重命名列并添加列”“”
#将列重命名为公共名称
data.columns=['x'，'y']
#添加要与色调一起使用的标识值
数据['df']=名称
返回数据
#创建数据帧的列表
df_列表=[df1，df2]
#通过在列表中调用函数来更新数据帧
df_update_list=[fix_df（v，f'df{i}'）表示枚举中的i，v（df_list，1）]
#合并数据帧
df=pd.concat（df\u更新列表）。重置索引（drop=True）
#绘制数据帧
sns.lmplot（数据=df，x='x'，y='y'，hue='df'，ci=None）

笔记

• 用于此答案的软件包版本：
  • 熊猫1.2.4版

  • seaborn v0.11.1

  • matplotlib v3.3.4