Plotly：如何使用 plotly express 检索回归结果？ 剧情：代码：答案：详情：剧情：完整代码：

如何解决Plotly：如何使用 plotly express 检索回归结果？ 剧情：代码：答案：详情：剧情：完整代码：

您可以使用 plotly express / px.scatter 轻松绘制回归线，并使用 px.get_trendline_results(fig).iloc[0]["px_fit_results"].params[1] 检索诸如 beta 之类的回归结果。但是，您如何为系数检索其他参数，例如 R 平方或 p 值？

剧情：

代码：

# imports
import plotly.express as px
import pandas as pd
import numpy as np

# data
np.random.seed(123)
numdays=20
X = (np.random.randint(low=-20,high=20,size=numdays).cumsum()+100).tolist()
Y = (np.random.randint(low=-20,size=numdays).cumsum()+100).tolist()
df = pd.DataFrame({'X': X,'Y':Y})

# figure using px.scatter
fig = px.scatter(df,x="X",y="Y",trendline="ols",template = 'plotly_dark')

fig.show()

解决方法

答案：

model = px.get_trendline_results(fig)
results = model.iloc[0]["px_fit_results"]
alpha = params[0]
beta = .params[1]
p_beta = .pvalues[1]
r_squared = .rsquared

详情：

所有回归结果均可通过以下方式获得：

px.get_trendline_results(fig)

运行时，将返回一个看起来有些神秘的熊猫数据帧：

                                      px_fit_results
0  <statsmodels.regression.linear_model.Regressio...

px_fit_results 下的元素是 statsmodels.regression.linear_model.RegressionResultsWrapper 类型的对象，它是 statsmodels 的包装器。

所以如果我们通过设置来简化一下：

models = px.get_trendline_results(fig)

还有：

results =  model.iloc[0]["px_fit_results"]

然后我们可以使用以下方法检查该对象中的可用内容：

dir(results)

并找到所有需要的回归细节，例如：

'predict','pvalues','remove_data','resid','resid_pearson','rsquared','rsquared_adj','save','scale','ssr','summary','summary2','t_test','t_test_pairwise',

但请注意，所有这些可用结果的结构都可以不同。

运行 results.rsquared 将返回单个浮点数 0.611901357827784，而运行 results.pvalues 将返回数组 array([9.95834884e-01,4.59734574e-05])。对于分别通过 results.pvalues[0] 和 results.pvalues[1] 的常数和趋势线，它们再次是可子集的。

有了这些可用信息，您可以例如提取其中的一些并将它们作为注释包含在内，以进一步改进您的绘图数据：

剧情：

完整代码：

import plotly.graph_objects as go
import plotly.express as px
import pandas as pd
import numpy as np
import datetime

# data
np.random.seed(123)
numdays=20
X = (np.random.randint(low=-20,high=20,size=numdays).cumsum()+100).tolist()
Y = (np.random.randint(low=-20,size=numdays).cumsum()+100).tolist()

df = pd.DataFrame({'X': X,'Y':Y})

# Figure using plotly express
fig = px.scatter(df,x="X",y="Y",trendline="ols",template = 'plotly_dark')

# retrieve model estimates
model = px.get_trendline_results(fig)
results = model.iloc[0]["px_fit_results"]
alpha = results.params[0]
beta = results.params[1]
p_beta = results.pvalues[1]
r_squared = results.rsquared

line1 = 'y = ' + str(round(alpha,4)) + ' + ' + str(round(beta,4))+'x'
line2 = 'p-value = ' + '{:.5f}'.format(p_beta)
line3 = 'R^2 = ' + str(round(r_squared,3))
summary = line1 + '<br>' + line2 + '<br>' + line3


fig.add_annotation(
        x=110,y=140,xref="x",yref="y",text=summary,showarrow=False,font=dict(
            family="Courier New,monospace",size=16,color="#ffffff"
            ),align="left",arrowhead=2,arrowsize=1,arrowwidth=2,arrowcolor="#636363",ax=20,ay=-30,borderwidth=2,borderpad=4,bgcolor="rgba(100,100,0.6)",opacity=0.8
        )

fig.show()