Python 从Seaborn正则图中提取均值和置信区间

鉴于regplot以区间和引导计算平均值，以找到每个箱子的置信区间，因此必须手动重新计算它们以进行进一步研究似乎是一种浪费，因此：

问题：如何获取正则图的计算平均值和置信区间

示例：此代码生成了一个漂亮的带有CI的bin平均值绘图：

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

# just some random numbers to get started
fig, ax = plt.subplots()
x = np.random.uniform(-2, 2, 1000)
y = np.random.normal(x**2, np.abs(x) + 1)

# Manual binning to retain control
binwidth=4./10
x_bins=np.arange(-2+binwidth/2,2,binwidth)
sns.regplot(x=x, y=y, x_bins=x_bins, fit_reg=None)
plt.show()

结果：

并不是说逐箱计算平均值不容易，而是CI是使用随机数计算的。如果可以访问与所绘制的数字完全相同的数字就好了，那么如何访问它们呢？我一定忽略了某种获取方法。

设置 在MWE中设置为：

将numpy导入为np
导入seaborn作为sns
将matplotlib.pyplot作为plt导入
#绘图用随机数
x=np.随机均匀（-2,2,1000）
y=np随机正态（x**2，np绝对值（x）+1）
#手动装箱以保持控制
宽度=4/10
x_bins=np.arange（binwidth/2-2,2，binwidth）
sns.regplot（x=x，y=y，x_-bins=x_-bins，fit_-reg=None）

这使我们的出发点如下：

置信区间的提取 我们可以通过在绘制线上循环并提取最小值和最大值（分别对应于上CI和下CI）来提取置信区间：

ax=plt.gca（）
lower=[line.getydata（）.min（）表示ax.lines中的行]
上限=[line.getydata（）.max（）表示ax.lines中的行]

作为一项健全性检查，我们可以在原始数据的顶部绘制这些提取的点（此处用红色十字表示）：

plt.scatter（x_-bin，下部，marker='x'，color='C3'，zorder=3）
plt.散射（x_箱，上部，标记='x'，颜色='C3'，zorder=3）

提取手段 平均值可从

ax.集合中提取，如下所示：

means=ax.collections[0]。获取偏移量（）[：，1]

同样，作为一种合理性检查，我们可以将提取的值覆盖在原始绘图上：

plt.scatter（x_bins，means，color='C1'，marker='x'，zorder=3）

太棒了。非常感谢。你是否有一个类似的接近一个线性来提取数据点本身，还是我应该继续并重新计算平均值？请参阅我关于提取平均值的编辑。耶！谢谢