python - 如何根据目标变量的预测用 Seaborn 绘制线性回归？

Question

我正在学习数据科学的基础知识，并从回归分析开始。因此，我决定建立一个线性回归模型来检查来自这个 dataset 的两个变量(chemical_1 和 chemical_2)之间的线性关系。 .

我将 chemical_1 作为预测变量(自变量)，将 chemical_2 作为目标变量(因变量)。然后使用 scipy.stats.linregress 计算回归线。

from scipy import stats

X = df['chemical_1']
Y = df['chemical_2']

slope, intercept, r_value, p_value, slope_std_error = stats.linregress(X,Y)
predict_y = slope * X + intercept

我想出了如何使用 matplotlib 绘制回归线。

plt.plot(X, Y, 'o')
plt.plot(X, predict_y)
plt.show()

但是我想用 Seaborn 绘制回归图。我目前发现的唯一选择如下:

sns.set(color_codes=True)
sns.set(rc={'figure.figsize':(7, 7)})
sns.regplot(x=X, y=Y);

有没有办法为 Seaborn 提供回归线 predict_y = slope * X + intercept 以构建回归图？

UPD:当使用以下解决方案时，由 RPyStats 提出，Y 轴获得 chemical_1 名称，尽管它应该是 chemical_2。

fig, ax = plt.subplots()
sns.set(color_codes=True)
sns.set(rc={'figure.figsize':(8, 8)})
ax = sns.regplot(x=X, y=Y, line_kws={'label':'$y=%3.7s*x+%3.7s$'%(slope, intercept)});
ax.legend()
sns.regplot(x=X, y=Y, fit_reg=False, ax=ax);
sns.regplot(x=X, y=predict_y,scatter=False, ax=ax);

Answer 1

使用子图和设置轴将允许您覆盖预测的 Y 值。这是否回答了您的问题？

print(predict_y.name)
predict_y = predict_y.rename('chemical_2')
fig, ax = plt.subplots()
sns.set(color_codes=True)
sns.set(rc={'figure.figsize':(7, 7)})
sns.regplot(x=X, y=Y, fit_reg=False, ax=ax,scatter_kws={"color": "green"});
sns.regplot(x=X, y=predict_y,scatter=False, ax=ax, scatter_kws={"color": "green"});