Sfortunatamente, Seaborn non dispone di una funzionalit\u00e0 integrata per estrarre l’equazione di regressione dalla linea, ma puoi utilizzare la funzione scipy.stats.linregress<\/strong> per trovare rapidamente i coefficienti di regressione:<\/span><\/p>\n L’esempio seguente mostra come utilizzare questa sintassi nella pratica.<\/span><\/p>\n Supponiamo di avere il seguente DataFrame panda che contiene informazioni sulle ore studiate e sui punteggi degli esami finali dei vari studenti:<\/span><\/p>\n Diciamo che vogliamo tracciare i punti dati e aggiungere una linea di regressione adattata ai dati.<\/span><\/p>\n Possiamo usare la seguente sintassi per fare questo:<\/span> <\/p>\n Dal risultato, possiamo vedere che la retta di regressione ha la seguente equazione:<\/span><\/p>\n y = 77,4 + 1,327<\/strong><\/span><\/p>\n Se vogliamo visualizzare questa equazione sul regplot<\/strong> seaborn, possiamo usare la funzione matplotlib text()<\/strong> :<\/span> <\/p>\n Tieni presente che l’equazione di regressione \u00e8 ora visualizzata nell’angolo in alto a sinistra del grafico.<\/span><\/p>\n Si noti che nella funzione text()<\/strong> abbiamo specificato che l’equazione di regressione dovrebbe essere visualizzata dalle coordinate (x, y) di (2, 95).<\/span><\/p>\n Sentiti libero di modificare queste coordinate per visualizzare l’equazione di regressione dove vuoi nel tuo grafico.<\/span><\/p>\n Nota<\/strong> : puoi trovare la documentazione completa per la funzione regplot<\/strong> seaborn qui<\/a> .<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni in Seaborn:<\/span><\/p>\n Come regolare la dimensione della figura di una trama Seaborn<\/a> \u00c8 possibile utilizzare la funzione regplot seaborn per tracciare un modello di regressione lineare adatto a un set di dati. Sfortunatamente, Seaborn non dispone di una funzionalit\u00e0 integrata per estrarre l’equazione di regressione dalla linea, ma puoi utilizzare la funzione scipy.stats.linregress per trovare rapidamente i coefficienti di regressione: import scipy import seaborn as sns #create […]<\/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 Esempio: mostra l’equazione di regressione in 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![\"Equazione](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/regplot2.jpg\")
<\/p>\n Risorse addizionali<\/strong><\/span><\/h2>\n
Come cambiare la posizione di una leggenda in Seaborn<\/a>
Come modificare le etichette degli assi su un grafico Seaborn<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"