使用Seaborn的谱图进行面的回归分析

问题描述

我对Seaborn还是很陌生，所以请多多包涵。我正在尝试进行线性最小二乘回归，并使用seaborn的relplot指定r ^ 2值。我愿意切换到sns.facetgrid。我的数据如下：

Data

我能够将构面网格绘制为：Plots

我生成此类图的代码如下：

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()

但是，我希望它不是对角线，而是线性回归。我发现了类似的here，但是当您在sns.relplot中指定列时，我不知道如何使它工作。

谢谢！

解决方法

您可能想研究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