Seaborn是一个很好的软件包,可以用漂亮的输出进行高级绘图。然而,我正在努力使用Seaborn覆盖来自外部拟合模型的数据和模型预测。在这个例子中,我在Statsmodels中拟合模型,这些模型对于Seaborn来说太复杂了,无法开箱即用,但我认为问题更为普遍(即,如果我有模型预测,并且希望使用Seaborn可视化它们和数据)。
让我们从导入和数据集开始:
import numpy as np
import pandas as pd
import seaborn as sns
import statsmodels.formula.api as smf
import patsy
import itertools
import matplotlib.pyplot as plt
np.random.seed(12345)
# make a data frame with one continuous and two categorical variables:
df = pd.DataFrame({'x1': np.random.normal(size=100),
'x2': np.tile(np.array(['a', 'b']), 50),
'x3': np.repeat(np.array(['c', 'd']), 50)})
# create a design matrix using patsy:
X = patsy.dmatrix('x1 * x2 * x3', df)
# some random beta weights:
betas = np.random.normal(size=X.shape[1])
# create the response variable as the noisy linear combination of predictors:
df['y'] = np.inner(X, betas) + np.random.normal(size=100)
我们在包含所有预测变量及其相互作用的statsmodels中拟合一个模型:
# fit a model with all interactions
fit = smf.ols('y ~ x1 * x2 * x3', df).fit()
print(fit.summary())
由于在这种情况下,我们指定了所有变量的组合,并且我们的模型预测是线性的,所以只要在包含模型预测的数据框中添加一个新的“预测”列就足够了。但是,这不是很一般(假设我们的模型是非线性的,所以我们希望我们的曲线图显示平滑曲线),所以我用所有预测值的组合创建了一个新的数据框,然后生成预测:
# create a new dataframe of predictions, using pandas' expand grid:
def expand_grid(data_dict):
""" A port of R's expand.grid function for use with Pandas dataframes.
from http://pandas.pydata.org/pandas-docs/stable/cookbook.html?highlight=expand%20grid
"""
rows = itertools.product(*data_dict.values())
return pd.DataFrame.from_records(rows, columns=data_dict.keys())
# build a new matrix with expand grid:
preds = expand_grid(
{'x1': np.linspace(df['x1'].min(), df['x1'].max(), 2),
'x2': ['a', 'b'],
'x3': ['c', 'd']})
preds['yhat'] = fit.predict(preds)
preds
数据帧如下所示:
x3 x1 x2 yhat
0 c -2.370232 a -1.555902
1 c -2.370232 b -2.307295
2 c 3.248944 a -1.555902
3 c 3.248944 b -2.307295
4 d -2.370232 a -1.609652
5 d -2.370232 b -2.837075
6 d 3.248944 a -1.609652
7 d 3.248944 b -2.837075
由于Seaborn plot命令(与R中的ggplot2
命令不同)似乎只接受一个和一个数据帧,因此我们需要将我们的预测合并到原始数据中:
# append to df:
merged = df.append(preds)
现在我们可以将模型预测与数据一起绘制出来,将连续变量x1
作为x轴:
# plot using seaborn:
sns.set_style('white')
sns.set_context('talk')
g = sns.FacetGrid(merged, hue='x2', col='x3', size=5)
# use the `map` method to add stuff to the facetgrid axes:
g.map(plt.plot, "x1", "yhat")
g.map(plt.scatter, "x1", "y")
g.add_legend()
g.fig.subplots_adjust(wspace=0.3)
sns.despine(offset=10);
到目前为止还不错。现在假设我们没有测量连续变量x1
,我们只知道另外两个(分类)变量(即,我们有一个2x2阶乘设计)。在这种情况下,我们如何根据数据绘制模型预测?
fit = smf.ols('y ~ x2 * x3', df).fit()
print(fit.summary())
preds = expand_grid(
{'x2': ['a', 'b'],
'x3': ['c', 'd']})
preds['yhat'] = fit.predict(preds)
print(preds)
# append to df:
merged = df.append(preds)
我们可以用sns.pointplot
或类似的方法绘制模型预测,如下所示:
# plot using seaborn:
g = sns.FacetGrid(merged, hue='x3', size=4)
g.map(sns.pointplot, 'x2', 'yhat')
g.add_legend();
sns.despine(offset=10);
或者像这样使用sns.factorplot
的数据:
g = sns.factorplot('x2', 'y', hue='x3', kind='point', data=merged)
sns.despine(offset=10);
g.savefig('tmp3.png')
但我不知道如何生成类似于第一个图的图(即使用plt.plot
的模型预测线,使用plt.scatter
的数据点的分散)。原因是我试图用作x轴的x2
变量是一个字符串/对象,所以pyplot命令不知道如何处理它们。
正如我在评论中提到的,我有两种方式来考虑这样做。
首先是定义一个函数来进行匹配,然后绘制并传递给
FacetGrid.map
:第二个是计算预测值,然后将它们与一个附加变量合并到数据框中,该变量标识什么是数据和什么是模型:
相关问题 更多 >
编程相关推荐