Statistics seaborn对地块的稳健统计线性回归

尝试实现稳健的统计数据，而不是普通的最小二乘（OLS）拟合，这样离群值对我的拟合就不会有太大的问题。 我希望在seaborn的pairplot函数中实现这一点，但从AP文档中看不到添加这一点的简单方法，因为似乎没有适合的关键字参数

From：他们建议使用以下内容，但我想这是针对regplot的，您可以使用

`fit = statsmodels.formula.api.rlm()`

下面是一些示例代码

import seaborn as sns; sns.set(style="ticks", color_codes=True)
import matplotlib.pyplot as plt
%matplotlib inline
iris = sns.load_dataset("iris")
sns.pairplot(iris, kind="reg")#, robust = True)
plt.show()

提前谢谢

---

编辑：我找到了一个解决办法，但很明显，我没有在pairplot上使用“色调”功能。将健壮选项添加到pairplot是一个不错的特性。 代码：

额外的关键字，例如“robust=True”，可以通过plot_kws参数传递给regplot：

sns.pairplot(df1,kind='reg',hue='species',plot_kws=dict(robust=True,n_boot=50))

---

注意：在这个例子中，我还减少了n_引导以减少运行时间（请参阅regplot文档中的“robust”），因此置信区间可能不正确）

我找到了一个解决办法，但很明显，我没有在pairplot上使用“色调”功能。将健壮选项添加到pairplot是一个不错的特性。代码：`def corrfunc（x，y，**kws）：r，\=stats.pearsonr（x，y）ax=plt.gca（）ax.annotate（“r={.2f}”）.format（r），xy=（.1.9），xycoords=ax.transAxes）g=sns.PairGrid（df1，palete=[“red”]）g.map\u上部（sns.regplot，robust=True）g.map\u下部（sns.distplot，kde=True）g.map\u下部（sns.kdeplot，cmap=“Blues_d”）g.map_lower（corrfunc）`在您的解决方案中，可以使用g=sns.PairGrid（df1，hue='species'）包含色调

sns.pairplot(df1,kind='reg',hue='species',plot_kws=dict(robust=True,n_boot=50))