Plotly：如何使用 plotly express 检索回归结果？答案

【问题标题】：Plotly: How to retrieve regression results using plotly express?Plotly：如何使用 plotly express 检索回归结果？
【发布时间】：2021-02-10 23:10:02
【问题描述】：

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] 检索回归结果，例如 beta。但是如何检索系数的其他参数，例如 R-squared 或 p-vales？

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, high=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()

【问题讨论】：

标签： python plotly regression

【解决方案1】：

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)

它在运行时会返回一个看起来有点神秘的熊猫数据框：

                                      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可用的内容：

dir(results)

并找到一个应该需要的所有回归细节，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 将返回一个浮点数0.611901357827784，而运行results.pvalues 将返回一个数组array([9.95834884e-01, 4.59734574e-05])。这又将分别通过results.pvalues[0] 和results.pvalues[1] 成为常数和趋势线的子集。

有了这些信息，您可以提取其中的一些并将它们作为注释包括在内，以进一步改进您的情节图：

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, high=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(100,100,100, 0.6)",
        opacity=0.8
        )

fig.show()

【讨论】：