如何使用基于 statsmodelS 的回归线创建散点图？答案

【问题标题】：How to create as scatter plot with regression line based on statsmodel OLS?如何使用基于 statsmodelS 的回归线创建散点图？
【发布时间】：2018-12-27 01:41:40
【问题描述】：

我很难在散点图上添加回归线（statsmodel OLS 所基于的回归线）。请注意，使用 seaborn 的 lmplot，我可以得到一条线（参见示例），但我想使用来自 statsmodel OLS 的确切线来实现完全一致性。

如何调整下面的代码以将回归线添加到第一个散点图中？

import statsmodels.regression.linear_model as sm
import seaborn as sns
import pandas as pd
import numpy as np
np.random.seed(0)

data = {'Xvalue': range(20, 30), 'Yvalue': np.random.randint(low=10, high=100, size=10)}

data = pd.DataFrame(data)

X = data[['Xvalue']]
Y = data['Yvalue']
model2 = sm.OLS(Y,sm.add_constant(X), data=data)
model_fit = model2.fit()
print(model_fit.summary())

#Plot
data.plot(kind='scatter', x='Xvalue', y='Yvalue')

#Seaborn
sns.lmplot(x='Xvalue', y='Yvalue', data=data)

散点图（试图弄清楚如何在 statsmodel OLS 回归线中添加

seaborn lmplot 及其回归线（试图模仿）

【问题讨论】：

有什么问题或错误？您只是不知道如何绘制 statsmodels 的结果吗？
正确，我只是想让线路通过，以匹配线路通过（匹配 summary() 结果）
这可能是 stackoverflow.com/questions/42261976/… 的副本（应该对你有帮助）
感谢它的工作原理！
顺便说一句 - 我将如何调整 seaborn 以将 x 轴也一直延伸到 0？

标签： python linear-regression seaborn statsmodels

【解决方案1】：

感谢@busybear 的链接，它现在可以工作了！

import statsmodels.regression.linear_model as sm
import seaborn as sns
import pandas as pd
import numpy as np
np.random.seed(0)

data = {'Xvalue': range(20, 30), 'Yvalue': np.random.randint(low=10, high=100, size=10)}

data = pd.DataFrame(data)

X = data[['Xvalue']]
Y = data['Yvalue']
model = sm.OLS(data['Yvalue'], sm.add_constant(data['Xvalue']))
model_fit = model.fit()
p = model_fit.params
print(model_fit.summary())


#Plot
p
x = np.arange(0,40)
ax = data.plot(kind='scatter', x='Xvalue', y='Yvalue')
ax.plot(x, p.const + p.Xvalue * x)
ax.set_xlim([0,30])

#Seaborn
sns.lmplot(x='Xvalue', y='Yvalue', data=data)

【讨论】：