我对seaborn还很陌生,所以请耐心等待。我正在尝试进行线性最小二乘回归,并使用seaborn的重绘图指定r^2值。我对切换到sns.facetgrid持开放态度。我的数据看起来像:
数据
我可以将分面网格绘制为:Plots
我生成这样一个图的代码看起来像:
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()
然而,我希望它是线性回归,而不是对角线。我在这里找到了类似的东西,但当你在sns.relplot.中指定列时,我不知道如何让它发挥作用
谢谢!
您可能需要了解seaborn.lmplot
。
p1 = sns.lmplot(data=df2, x="H", y="CO2", col="Bias", hue="Met", col_wrap=5)
https://seaborn.pydata.org/generated/seaborn.lmplot.html