Plotly：如何使用 plotly 和 plotly express 绘制回归线？

Question

我有一个数据框，df，列 pm1 和 pm25。我想显示这两个信号的相关性的图表（使用 Plotly）。到目前为止，我已经设法显示了散点图，但我没有设法绘制信号之间的相关性拟合线。到目前为止，我已经尝试过这个：

denominator=df.pm1**2-df.pm1.mean()*df.pm1.sum()
print('denominator',denominator)
m=(df.pm1.dot(df.pm25)-df.pm25.mean()*df.pm1.sum())/denominator
b=(df.pm25.mean()*df.pm1.dot(df.pm1)-df.pm1.mean()*df.pm1.dot(df.pm25))/denominator
y_pred=m*df.pm1+b


lineOfBestFit = go.Scattergl(
    x=df.pm1,
    y=y_pred,
    name='Line of best fit',
    line=dict(
        color='red',
    )
)

data = [dataPoints, lineOfBestFit]
figure = go.Figure(data=data)

figure.show()

阴谋：

如何使 lineOfBestFit 正确绘制？

Answer 1

更新 1：

现在，plotly express 可以轻而易举地处理长格式和宽格式（在您的情况下为后者）的数据，您唯一需要绘制回归线的是：

fig = px.scatter(df, x='X', y='Y', trendline="ols")

问题末尾的广泛数据的完整代码片段

如果您希望回归线突出，您可以直接通过以下方式编辑线条颜色：

fig.data[1].line.color = 'red'

您可以访问回归参数，如alpha和 beta through：

model = px.get_trendline_results(fig)
alpha = model.iloc[0]["px_fit_results"].params[0]
beta = model.iloc[0]["px_fit_results"].params[1]

您甚至可以通过以下方式请求非线性拟合：

fig = px.scatter(df, x='X', y='Y', trendline="lowess")

那些长格式呢？这就是情节表达揭示其一些真正力量的地方。如果以内置数据集px.data.gapminder为例，您可以通过指定为一组国家/地区触发单独的行color="continent"：

长格式的完整片段

import plotly.express as px

df = px.data.gapminder().query("year == 2007")
fig = px.scatter(df, x="gdpPercap", y="lifeExp", color="continent", trendline="lowess")
fig.show()

如果您想在模型选择和输出方面获得更大的灵活性，您可以随时使用我对下面这篇文章的原始答案。但首先，这是我回答开头的这些示例的完整片段：

宽数据的完整片段

import plotly.graph_objects as go
import plotly.express as px
import statsmodels.api as sm
import pandas as pd
import numpy as np
import datetime

# data
np.random.seed(123)
numdays=20
X = (np.random.randint(low=-20, high=20, size=numdays).cumsum()+100).tolist()
Y = (np.random.randint(low=-20, high=20, size=numdays).cumsum()+100).tolist()
df = pd.DataFrame({'X': X, 'Y':Y})

# figure with regression
# fig = px.scatter(df, x='X', y='Y', trendline="ols")
fig = px.scatter(df, x='X', y='Y', trendline="lowess")

# make the regression line stand out
fig.data[1].line.color = 'red'

# plotly figure layout
fig.update_layout(xaxis_title = 'X', yaxis_title = 'Y')

fig.show()

原答案：

对于回归分析，我喜欢使用statsmodels.api或sklearn.linear_model。我还喜欢在 Pandas 数据框中组织数据和回归结果。这是一种以干净有序的方式完成您正在寻找的事情的方法：

使用 sklearn 或 statsmodels 绘图：

使用sklearn的代码：

from sklearn.linear_model import LinearRegression
import plotly.graph_objects as go
import pandas as pd
import numpy as np
import datetime

# data
np.random.seed(123)
numdays=20

X = (np.random.randint(low=-20, high=20, size=numdays).cumsum()+100).tolist()
Y = (np.random.randint(low=-20, high=20, size=numdays).cumsum()+100).tolist()
df = pd.DataFrame({'X': X, 'Y':Y})

# regression
reg = LinearRegression().fit(np.vstack(df['X']), Y)
df['bestfit'] = reg.predict(np.vstack(df['X']))

# plotly figure setup
fig=go.Figure()
fig.add_trace(go.Scatter(name='X vs Y', x=df['X'], y=df['Y'].values, mode='markers'))
fig.add_trace(go.Scatter(name='line of best fit', x=X, y=df['bestfit'], mode='lines'))

# plotly figure layout
fig.update_layout(xaxis_title = 'X', yaxis_title = 'Y')

fig.show()

使用 statsmodels 的代码：

import plotly.graph_objects as go
import statsmodels.api as sm
import pandas as pd
import numpy as np
import datetime

# data
np.random.seed(123)
numdays=20

X = (np.random.randint(low=-20, high=20, size=numdays).cumsum()+100).tolist()
Y = (np.random.randint(low=-20, high=20, size=numdays).cumsum()+100).tolist()

df = pd.DataFrame({'X': X, 'Y':Y})

# regression
df['bestfit'] = sm.OLS(df['Y'],sm.add_constant(df['X'])).fit().fittedvalues

# plotly figure setup
fig=go.Figure()
fig.add_trace(go.Scatter(name='X vs Y', x=df['X'], y=df['Y'].values, mode='markers'))
fig.add_trace(go.Scatter(name='line of best fit', x=X, y=df['bestfit'], mode='lines'))


# plotly figure layout
fig.update_layout(xaxis_title = 'X', yaxis_title = 'Y')

fig.show()