Sayangnya, Seaborn tidak memiliki fitur bawaan untuk mengekstrak persamaan regresi dari garis, tetapi Anda dapat menggunakan fungsi scipy.stats.linregress<\/strong> untuk menemukan koefisien regresi dengan cepat:<\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya.<\/span><\/p>\n Misalkan kita memiliki pandas DataFrame berikut yang berisi informasi tentang jam belajar dan nilai ujian akhir berbagai siswa:<\/span><\/p>\n Katakanlah kita ingin memplot titik data dan menambahkan garis regresi yang sesuai ke data.<\/span><\/p>\n Kita dapat menggunakan sintaks berikut untuk melakukan ini:<\/span> <\/p>\n Dari hasilnya terlihat bahwa garis regresi mempunyai persamaan sebagai berikut:<\/span><\/p>\n kamu = 77,4 + 1,327<\/strong><\/span><\/p>\n Jika kita ingin menampilkan persamaan ini pada regplot<\/strong> seaborn, kita dapat menggunakan fungsi matplotlib text()<\/strong> :<\/span> <\/p>\n Perhatikan bahwa persamaan regresi sekarang ditampilkan di sudut kiri atas plot.<\/span><\/p>\n Perhatikan bahwa dalam fungsi text()<\/strong> kami menetapkan bahwa persamaan regresi harus ditampilkan dari koordinat (x, y) di (2, 95).<\/span><\/p>\n Jangan ragu untuk memodifikasi koordinat ini untuk menampilkan persamaan regresi di mana pun Anda inginkan di plot Anda.<\/span><\/p>\n Catatan<\/strong> : Anda dapat menemukan dokumentasi lengkap untuk fungsi regplot<\/strong> seaborn di sini<\/a> .<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan tugas umum lainnya di Seaborn:<\/span><\/p>\n Cara menyesuaikan ukuran gambar plot Seaborn<\/a> Anda dapat menggunakan fungsi regplot seaborn untuk memplot model regresi linier yang sesuai dengan kumpulan data. Sayangnya, Seaborn tidak memiliki fitur bawaan untuk mengekstrak persamaan regresi dari garis, tetapi Anda dapat menggunakan fungsi scipy.stats.linregress untuk menemukan koefisien regresi dengan cepat: import scipy import seaborn as sns #create regplot p = sns. regplot (data=df, x=df. x […]<\/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 Contoh: Tampilkan persamaan regresi di Seaborn Regplot<\/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![\"Persamaan](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/regplot2.jpg\")
<\/p>\n Sumber daya tambahan<\/strong><\/span><\/h2>\n
Cara mengubah posisi legenda di Seaborn<\/a>
Cara mengubah label sumbu pada plot Seaborn<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"