如何干净地绘制statsmodels线性回归（OLS）

Question

问题陈述：

我在pandas数据框中有一些不错的数据。我想对它进行简单的线性回归：

使用statsmodels，我执行回归。现在，我如何得到我的情节？我尝试过statsmodels＆＃39; plot_fit方法，但情节有点时髦：

我希望得到一条代表回归实际结果的水平线。

Statsmodels有一个variety of methods for plotting regression（a few more details about them here），但它们似乎都不是超级简单的＆＃34;只是在你的数据上绘制回归线＆＃34; - plot_fit似乎是最接近的事情。

问题：

• 上面的第一张照片来自熊猫＆＃39; plot函数，返回matplotlib.axes._subplots.AxesSubplot。我可以轻松地将回归线叠加到该图上吗？
• 我忽略了statsmodels中的功能吗？
• 有没有更好的方法来组合这个数字？

两个相关问题：

• Plotting Pandas OLS linear regression results
• Getting the regression line to plot from a Pandas regression

似乎都没有一个好的答案。

样本数据

根据@IgorRaush的要求

        motifScore  expression
6870    1.401123    0.55
10456   1.188554    -1.58
12455   1.476361    -1.75
18052   1.805736    0.13
19725   1.110953    2.30
30401   1.744645    -0.49
30716   1.098253    -1.59
30771   1.098253    -2.04

abline_plot

我试过这个，但它似乎没有用......不确定原因：

Answer 1

正如我在评论中提到的，seaborn是统计数据可视化的绝佳选择。

import seaborn as sns

sns.regplot(x='motifScore', y='expression', data=motif)

或者，您可以使用statsmodels.regression.linear_model.OLS并手动绘制回归线。

import statsmodels.api as sm

# regress "expression" onto "motifScore" (plus an intercept)
model = sm.OLS(motif.expression, sm.add_constant(motif.motifScore))
p = model.fit().params

# generate x-values for your regression line (two is sufficient)
x = np.arange(1, 3)

# scatter-plot data
ax = motif.plot(x='motifScore', y='expression', kind='scatter')

# plot regression line on the same axes, set x-axis limits
ax.plot(x, p.const + p.motifScore * x)
ax.set_xlim([1, 2])

另一个解决方案是statsmodels.graphics.regressionplots.abline_plot，它从上述方法中删除了一些样板。

import statsmodels.api as sm
from statsmodels.graphics.regressionplots import abline_plot

# regress "expression" onto "motifScore" (plus an intercept)
model = sm.OLS(motif.expression, sm.add_constant(motif.motifScore))

# scatter-plot data
ax = motif.plot(x='motifScore', y='expression', kind='scatter')

# plot regression line
abline_plot(model_results=model.fit(), ax=ax)