如何解决使用Seaborn的谱图进行面的回归分析
我对Seaborn还是很陌生,所以请多多包涵。我正在尝试进行线性最小二乘回归,并使用seaborn的relplot指定r ^ 2值。我愿意切换到sns.facetgrid。我的数据如下:
我能够将构面网格绘制为:Plots
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()
但是,我希望它不是对角线,而是线性回归。我发现了类似的here,但是当您在sns.relplot中指定列时,我不知道如何使它工作。
谢谢!
解决方法
您可能想研究seaborn.lmplot
。
p1 = sns.lmplot(data=df2,x="H",y="CO2",col="Bias",hue="Met",col_wrap=5)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。