Zanurzmy się.
Utwórz figurę z linią trendów
Pierwszym krokiem jest utworzenie figury z linii trendów. W tym przykładzie użyjemy prostego wykresu rozproszenia przy użyciu danych wskazówek, jak pokazano w poniższym kodzie:
importować fabuły.Wyraź jako PX
df = px.dane.porady()
Ryc. = PX.rozproszenie (df, x = 'total_bill', y = 'tip', facet_col = 'palacz', color = 'sex', trendline = 'ols')
Figa.pokazywać()
Kod powyżej powinien zwrócić liczbę, jak pokazano:
Po uzyskaniu figury z liniami trendów w śledze.
Składnia funkcji jest jak pokazana:
spiski.wyrazić.get_trendline_results (ryc.)
Parametry:
Funkcja zwróci następnie pandas DataFrame z kolumnami px_fit_results zawierającymi obiekt statsModels.
Przykład
Zobaczmy, jak możemy wyodrębnić statystyki dopasowania za pomocą figury, którą utworzyliśmy wcześniej. Kod jest tak, jak pokazano:
wynik = px.get_trendline_results (ryc.)
Drukuj (wynik)
Wyjście:
Następnie możemy uzyskać dostęp do parametru modelu, jak pokazano w zapytaniu poniżej:
importować fabuły.Wyraź jako PX
df = px.dane.porady()
Ryc. = PX.rozproszenie (df, x = 'total_bill', y = 'tip', facet_col = 'palacz', color = 'sex', trendline = 'ols')
wynik = px.get_trendline_results (ryc.)
wynik.Zapytanie („sex ==„ mężczyzna ”i palacz ==„ tak ””).PX_FIT_RESULTS.ILOC [0].streszczenie()
Wynik:
Zamknięcie
W tym artykule obejmuje podstawy korzystania z funkcji get_trendline_results w celu wyodrębnienia statystyki dopasowania dla linii trendów.