使用 Matplotlib 在 3d 中绘制线性模型答案

【问题标题】：Plot linear model in 3d with Matplotlib使用 Matplotlib 在 3d 中绘制线性模型
【发布时间】：2014-12-13 10:29:48
【问题描述】：

我正在尝试创建适合数据集的线性模型的 3d 图。我能够在 R 中相对轻松地做到这一点，但我真的很难在 Python 中做到这一点。这是我在 R 中所做的：

这是我在 Python 中所做的：

from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import statsmodels.formula.api as sm

csv = pd.read_csv('http://www-bcf.usc.edu/~gareth/ISL/Advertising.csv', index_col=0)
model = sm.ols(formula='Sales ~ TV + Radio', data = csv)
fit = model.fit()

fit.summary()

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

ax.scatter(csv['TV'], csv['Radio'], csv['Sales'], c='r', marker='o')

xx, yy = np.meshgrid(csv['TV'], csv['Radio'])

# Not what I expected :(
# ax.plot_surface(xx, yy, fit.fittedvalues)

ax.set_xlabel('TV')
ax.set_ylabel('Radio')
ax.set_zlabel('Sales')

plt.show()

我做错了什么，我应该怎么做？

谢谢。

【问题讨论】：

您介意提供您的代码吗？

标签： python matplotlib statistics linear-regression

【解决方案1】：

知道了！

我在 cmets 中谈到 mdurant 回答的问题是，表面没有像 Combining scatter plot with surface plot 那样绘制成漂亮的方形图案。

我意识到问题出在我的meshgrid 上，因此我更正了两个范围（x 和 y）并为np.arange 使用了比例步长。

这让我可以使用 mdurant 的答案提供的代码，而且效果很好！

结果如下：

这是代码：

from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import statsmodels.formula.api as sm
from matplotlib import cm

csv = pd.read_csv('http://www-bcf.usc.edu/~gareth/ISL/Advertising.csv', index_col=0)
model = sm.ols(formula='Sales ~ TV + Radio', data = csv)
fit = model.fit()

fit.summary()

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

x_surf = np.arange(0, 350, 20)                # generate a mesh
y_surf = np.arange(0, 60, 4)
x_surf, y_surf = np.meshgrid(x_surf, y_surf)

exog = pd.core.frame.DataFrame({'TV': x_surf.ravel(), 'Radio': y_surf.ravel()})
out = fit.predict(exog = exog)
ax.plot_surface(x_surf, y_surf,
                out.reshape(x_surf.shape),
                rstride=1,
                cstride=1,
                color='None',
                alpha = 0.4)

ax.scatter(csv['TV'], csv['Radio'], csv['Sales'],
           c='blue',
           marker='o',
           alpha=1)

ax.set_xlabel('TV')
ax.set_ylabel('Radio')
ax.set_zlabel('Sales')

plt.show()

【讨论】：

【解决方案2】：

您假设 plot_surface 想要一个坐标网格网格来使用是正确的，但是 predict 想要一个像您安装的数据结构（“exog”）。

exog = pd.core.frame.DataFrame({'TV':xx.ravel(),'Radio':yy.ravel()})
out = fit.predict(exog=exog)
ax.plot_surface(xx, yy, out.reshape(xx.shape), color='None')

【讨论】：

这种工作，但生成的平面绘制得很糟糕。我很困惑，似乎没有更好、更简单的方法来做到这一点。
严重怎么办？您可以为 plot_surface 提供许多参数。但是，如果您想要花哨的 3D，您可能需要研究 mayavi。
这个imgur.com/A5w55U6 是我得到的（我删除了color='None'）。我正在寻找这样的东西：stackoverflow.com/questions/15229896/…。顺便说一句，感谢您的帮助。
知道了！请参阅下面的答案。我将您的标记为正确。再次感谢。