Python 使用matplotlib拟合回归曲面的3D绘图

我正在尝试制作一个3D图形来绘制拟合的回归曲面。我看到了下面的例子

但是，第一个非常过时，不再工作，第二个是相关的，但是我在生成

Z

的值时遇到了一些麻烦。 我能找到的所有示例都是过时的或低级模拟数据示例。可能存在比

Z

更多的问题。 请看下面的代码

将numpy导入为np
导入seaborn作为sns
将statsmodels.formula.api作为smf导入
将matplotlib.pyplot作为plt导入
从mpl_工具包导入mplot3d
df=sns.load_数据集（'mpg'）
df.dropna（就地=真）
模型=smf.ols（公式='mpg~马力+加速度'，数据=df）
结果=model.fit（）
x、 y=型号。exog_名称[1:]
x_range=np.arange（df[x].min（），df[x].max（））
y_range=np.arange（df[y].min（），df[y].max（））
十、 Y=np.meshgrid（X_范围，Y_范围）
#Z=results.fittedvalues.values.reformate（）
图=零件图（图尺寸=零件图尺寸（1）*3）
ax=plt.轴（投影='3d'）
ax.绘图曲面（X，Y，Z，rstride=1，cstride=1，alpha=0.2）

更新：

我将

Z

更改为以下是正确的

Z = results.params[0] + X*results.params[1] + Y*results.params[2]

并附加

ax.scatter(df[x], df[y], df[model.endog_names], s=50)
ax.view_init(20, 120)
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

我得到了下面的情节，但我不确定它是否正确

---

如果可能，我还想为绘制的曲面添加投影。

在您链接的答案中，关键步骤是通过提供“外源”数据将模型应用于整个网格。在这种情况下，您可以通过创建一个新的数据帧来轻松实现这一点，该数据帧包含已分解的网格网格，并将其作为

exog

传递给。使用您的示例对此进行演示：

将numpy导入为np
导入seaborn作为sns
将statsmodels.formula.api作为smf导入
将matplotlib.pyplot作为plt导入
从mpl_工具包导入mplot3d
df=sns.load_数据集（'mpg'）
df.dropna（就地=真）
模型=smf.ols（公式='mpg~马力+加速度'，数据=df）
结果=model.fit（）
x、 y=型号。exog_名称[1:]
x_range=np.arange（df[x].min（），df[x].max（））
y_range=np.arange（df[y].min（），df[y].max（））
十、 Y=np.meshgrid（X_范围，Y_范围）
exog=pd.DataFrame（{x:x.ravel（），y:y.ravel（）}）
Z=结果。预测（exog=exog）。值。重塑（X.shape）
图=零件图（图尺寸=零件图尺寸（1）*2）
ax=plt.轴（投影='3d'）
ax.scatter（df[x]。值，df[y]。值，结果。fittedvalues.values，
标记=''，label=“适合”）
cond=df[model.endog_name].values>results.fittedvalues.values
ax.scatter（df[x][cond]。值，df[y][cond]。值，df[model.endog_name]
[cond]。值，label=“Raw”）
ax.绘图曲面（X，Y，Z，rstride=1，cstride=1，alpha=0.4）
ax.scatter（df[x][cond==False]。值，df[y][cond==False]。值，
df[model.endog_names][cond==False].values）
ax.图例（）
plt.show（）

这会给你

除了数据点之外，我还将各个拟合点包括在散点图中，以表明该方法正确生成了相应的曲面。我还将数据过滤为两组：应在曲面前面绘制的数据和应在曲面后面绘制的数据。这是为了适应matplotlib在3D渲染中对艺术家的分层。已将查看几何图形从默认更改为最大化三维特性的清晰度

---

编辑 将回归曲面的投影添加到其中一个轴平面上相当简单-只需将一维设置为轴限制即可绘制数据，即

ax.plot_曲面（X，Y，np.full_like（X，ax.get_zlim（）[0]），alpha=0.2）

这就给了你

---

结果、拟合值、值的形状是什么？在进行任何显式重塑之前，它是一维的，但Z必须是二维的或其他的……它是一维的，但我所说的形状是指

results.fittedvalues.values.shape

return？它返回（392，）关于

df[x].values.shape

和

df[y].values.shape

我想为绘制的曲面添加一个投影（就像你把它压碎了一样）。有什么简单的方法吗？如果有，我可以更新我的PO。我想这和我尝试过的一样，

偏移量

似乎很奇怪，我找不到文档。@steven很容易将它投影到与任何轴对平行的平面上（即xy平面、xz平面或yz平面）-投影到任意平面稍微困难一些。你想做什么？简单的一个只是每个平面的一个轴。xy，xz，yz…我试过了，但我不知道如何指定偏移。你能为所有三个轴都这样做吗？我不太明白这是如何工作的。@steven如果你想为不同的轴平面指定偏移量，你可以执行以下命令：

ax.plot_surface（np.full_like（X，ax.get_xlim（）[0]），Y，Z）

将在

yz

平面上打印，

ax.plot_surface（X，np.full_like（X，ax.get_ylim（）[0]），Z）

将在

xz

平面上打印。