Plongeons-nous dans.
Créer une figure avec Trendline
La première étape consiste à créer une figure avec des lignes de tendance. Pour cet exemple, nous utiliserons un graphique de diffusion simple en utilisant les données TIPS comme indiqué dans le code ci-dessous:
Importer un terrain.Exprime comme PX
df = px.données.conseils()
Fig = px.Scatter (df, x = 'total_bill', y = 'tip', facet_col = 'fumeur', color = 'sex', Trendline = 'ols')
figue.montrer()
Le code ci-dessus doit renvoyer une figure comme indiqué:
Une fois que nous avons la figure avec des lignes de tendance dans la trace, nous pouvons extraire les paramètres du modèle sous-jacent à l'aide de la fonction get_trendlines_results ().
La syntaxe de fonction est comme indiqué:
tracer.exprimer.get_trendline_results (Fig)
Paramètres:
La fonction renverra ensuite un Pandas DataFrame avec les colonnes PX_FIT_RESULTS contenant l'objet StatsModels.
Exemple
Voyons comment nous pouvons extraire les statistiques d'ajustement en utilisant la figure que nous avons créée plus tôt. Le code est comme indiqué:
résultat = px.get_trendline_results (Fig)
Imprimer (résultat)
Sortir:
Nous pouvons ensuite accéder au paramètre du modèle comme indiqué dans la requête ci-dessous:
Importer un terrain.Exprime comme PX
df = px.données.conseils()
Fig = px.Scatter (df, x = 'total_bill', y = 'tip', facet_col = 'fumeur', color = 'sex', Trendline = 'ols')
résultat = px.get_trendline_results (Fig)
résultat.requête ("sexe == 'mâle' et fumeur == 'oui'").px_fit_results.Iloc [0].résumé()
Résultat:
Fermeture
Cet article couvre les bases de l'utilisation de la fonction get_trendline_results pour extraire les statistiques d'ajustement pour les lignes de tendance.