Statistics seaborn对地块的稳健统计线性回归

Statistics seaborn对地块的稳健统计线性回归,statistics,linear-regression,seaborn,Statistics,Linear Regression,Seaborn,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", c

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))