Python 使用seaborn'对面进行回归分析；s曲线图

我对seaborn还是相当陌生的，所以请容忍我。我试图做一个线性最小二乘回归，并使用seaborn的relplot指定r^2值。我愿意只使用sns.FaceGrid。我的数据如下所示：

xx = np.linspace(-1, 2, 100)
yx = xx 

#CO2 vs H 

p1 = sns.relplot(data=df2, x="H", y="CO2", col="Bias", hue="Met", col_wrap=5)
(p1.set_axis_labels("$E_{ads}(*H)$", "$E_{ads}(*CO_2)$")
  .set_titles("Bias: {col_name} V vs SHE")
  .set(xlim=(-0.4, 2), ylim=(-0.4, 2)))

for ax in p1.axes.flat: 
       ax.plot(xx, yx)

plt.savefig("CO2_H.pdf", dpi=300)
plt.show()

我能够将镶嵌面网格绘制为：

我生成此类绘图的代码如下所示：

xx = np.linspace(-1, 2, 100)
yx = xx 

#CO2 vs H 

p1 = sns.relplot(data=df2, x="H", y="CO2", col="Bias", hue="Met", col_wrap=5)
(p1.set_axis_labels("$E_{ads}(*H)$", "$E_{ads}(*CO_2)$")
  .set_titles("Bias: {col_name} V vs SHE")
  .set(xlim=(-0.4, 2), ylim=(-0.4, 2)))

for ax in p1.axes.flat: 
       ax.plot(xx, yx)

plt.savefig("CO2_H.pdf", dpi=300)
plt.show()

然而，我希望它是一个线性回归，而不是一条对角线。我发现了一些类似的东西，但当您在sns.relplot中指定列时，我不知道如何使其工作

---

谢谢

您可能需要查看

seaborn.lmplot

p1 = sns.lmplot(data=df2, x="H", y="CO2", col="Bias", hue="Met", col_wrap=5)

---

我不知道seaborn是否有能力执行线性回归，从未尝试过，但我建议简单地使用

sklearn.linear\u model.linerarressage

计算回归线的系数，然后将其绘制为正常曲线。或者，使用

numpy.linalg.lstsq

计算最小二乘回归。您使用的是

hue=

嵌套。你希望每个色调级别回归一次吗？不，我希望每个偏差回归一次。因此，在上面显示的图像中，每个偏移的每个色调级别（总共5个）有一个数据点，所以我想对每个偏移的5个点（其中也有5个）进行回归。谢谢