Leider verf\u00fcgt Seaborn nicht \u00fcber eine integrierte Funktion zum Extrahieren der Regressionsgleichung aus der Linie, aber Sie k\u00f6nnen die Funktion scipy.stats.linregress<\/strong> verwenden, um die Regressionskoeffizienten schnell zu finden:<\/span><\/p>\n Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird.<\/span><\/p>\n Angenommen, wir haben den folgenden Pandas-DataFrame, der Informationen \u00fcber die gelernten Stunden und Abschlusspr\u00fcfungsergebnisse verschiedener Studenten enth\u00e4lt:<\/span><\/p>\n Nehmen wir an, wir m\u00f6chten die Datenpunkte grafisch darstellen und den Daten eine angepasste Regressionslinie hinzuf\u00fcgen.<\/span><\/p>\n Wir k\u00f6nnen dazu die folgende Syntax verwenden:<\/span> <\/p>\n Aus dem Ergebnis k\u00f6nnen wir ersehen, dass die Regressionsgerade die folgende Gleichung hat:<\/span><\/p>\n y = 77,4 + 1,327<\/strong><\/span><\/p>\n Wenn wir diese Gleichung im Seaborn- Regplot<\/strong> anzeigen m\u00f6chten, k\u00f6nnen wir die Funktion matplotlib text()<\/strong> verwenden:<\/span> <\/p>\n Beachten Sie, dass die Regressionsgleichung jetzt in der oberen linken Ecke des Diagramms angezeigt wird.<\/span><\/p>\n Beachten Sie, dass wir in der Funktion text()<\/strong> angegeben haben, dass die Regressionsgleichung anhand der (x, y)-Koordinaten von (2, 95) angezeigt werden soll.<\/span><\/p>\n Sie k\u00f6nnen diese Koordinaten jederzeit \u00e4ndern, um die Regressionsgleichung an einer beliebigen Stelle in Ihrem eigenen Diagramm anzuzeigen.<\/span><\/p>\n Hinweis<\/strong> : Die vollst\u00e4ndige Dokumentation f\u00fcr die Seaborn- Regplot-<\/strong> Funktion finden Sie hier<\/a> .<\/span><\/p>\n Die folgenden Tutorials erkl\u00e4ren, wie Sie andere h\u00e4ufige Aufgaben in Seaborn ausf\u00fchren:<\/span><\/p>\n So passen Sie die Figurengr\u00f6\u00dfe eines Seaborn-Diagramms an<\/a> Mit der Funktion \u201eseaborn regplot\u201c k\u00f6nnen Sie ein lineares Regressionsmodell zeichnen, das an einen Datensatz angepasst ist. Leider verf\u00fcgt Seaborn nicht \u00fcber eine integrierte Funktion zum Extrahieren der Regressionsgleichung aus der Linie, aber Sie k\u00f6nnen die Funktion scipy.stats.linregress verwenden, um die Regressionskoeffizienten schnell zu finden: import scipy import seaborn as sns #create regplot p = […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n import<\/span> scipy\nimport<\/span> seaborn as<\/span> sns\n\n#create regplot\n<\/span>p = sns. regplot<\/span> (data=df, x=df. x<\/span> , y=df. y<\/span> )\n\n#calculate slope and intercept of regression equation\n<\/span>slope, intercept, r, p, sterr = scipy. stats<\/span> . linregress<\/span> (x= p.get_lines<\/span> ()[0] .get_xdata<\/span> (),\n y=p. get_lines<\/span> ()[0]. get_ydata<\/span> ())\n<\/strong><\/pre>\n Beispiel: Regressionsgleichung im Seaborn Regplot anzeigen<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' hours<\/span> ': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],\n ' score<\/span> ': [77, 79, 84, 80, 81, 89, 95, 90, 83, 89]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n hours score\n0 1 77\n1 2 79\n2 3 84\n3 4 80\n4 5 81\n5 6 89\n6 7 95\n7 8 90\n8 9 83\n9 10 89\n<\/strong><\/pre>\n import<\/span> scipy\nimport<\/span> seaborn as<\/span> sns\n\n#create regplot\n<\/span>p = sns. regplot<\/span> (data=df, x=df. hours<\/span> , y=df. score<\/span> )\n\n#calculate slope and intercept of regression equation\n<\/span>slope, intercept, r, p, sterr = scipy. stats<\/span> . linregress<\/span> (x= p.get_lines<\/span> ()[0] .get_xdata<\/span> (),\n y=p. get_lines<\/span> ()[0]. get_ydata<\/span> ())\n\n#display slope and intercept of regression equation\n<\/span>print<\/span> (intercept, slope)\n\n77.39999999999995 1.3272727272727356\n<\/strong><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/regplot1.jpg\")
<\/p>\n import<\/span> matplotlib. pyplot<\/span> as<\/span> plt<\/span>\nimport<\/span> scipy\nimport<\/span> seaborn as<\/span> sns\n\n#create regplot\n<\/span>p = sns. regplot<\/span> (data=df, x=df. hours<\/span> , y=df. score<\/span> )\n\n#calculate slope and intercept of regression equation\n<\/span>slope, intercept, r, p, sterr = scipy. stats<\/span> . linregress<\/span> (x= p.get_lines<\/span> ()[0] .get_xdata<\/span> (),\n y=p. get_lines<\/span> ()[0]. get_ydata<\/span> ())\n\n#add regression equation to plot\n<\/span>plt. text<\/span> (2, 95, ' y =<\/span> ' + str(round(intercept,3)) + ' +<\/span> ' + str(round(slope,3)) + ' x<\/span> ')<\/span><\/strong> <\/pre>\n![\"Seaborn](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/regplot2.jpg\")
<\/p>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So \u00e4ndern Sie die Position einer Legende in Seaborn<\/a>
So \u00e4ndern Sie Achsenbeschriftungen in einem Seaborn-Diagramm<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"