Robuste Statistiken lineare Regression in Seaborn pairplot

Question

Der Versuch, robuste Statistiken statt gewöhnliche Kleinste Quadrate (OLS) Fitting zu implementieren, so dass Ausreißer nicht so ein Problem für meine Passungen sind. Ich hatte gehofft, dies in der Pairplot-Funktion von Seaborn zu implementieren und kann nicht sehen und einfach Weg, dies aus der AP-Dokumentation hinzuzufügen, da es kein Schlüsselwort Argument für die Anpassung scheint.

Von: scipy lectures Sie folgendes empfehlen die Verwendung, aber ich denke, das ist für regplot, wo Sie den Sitz

`fit = statsmodels.formula.api.rlm()` 

Hier verwenden definieren kann, ist ein Beispielcode

import seaborn as sns; sns.set(style="ticks", color_codes=True) 
import matplotlib.pyplot as plt 
%matplotlib inline 
iris = sns.load_dataset("iris") 
sns.pairplot(iris, kind="reg")#, robust = True) 
plt.show() 

Vielen Dank im Voraus!

Edit: Ich habe einen Workaround gefunden, aber die 'Hue' Funktion offenbar verlieren, die auf dem Paarplot getan werden könnte. Wäre ein nettes Feature, um eine robuste Option zum Pairplot hinzuzufügen. Code:

def corrfunc(x, y, **kws): 
    r, _ = stats.pearsonr(x, y) 
    ax = plt.gca() 
    ax.annotate("r = {:.2f}".format(r), xy=(.1, .9), xycoords=ax.transAxes) 

g = sns.PairGrid(df1, palette=["red"]) 
g.map_upper(sns.regplot, robust = True) 
g.map_diag(sns.distplot, kde=True) 
g.map_lower(sns.kdeplot, cmap="Blues_d") 
g.map_lower(corrfunc) 

Answer 1

zusätzliche Schlüsselwörter wie "robust = True" kann übergeben werden über das plot_kws Argument regplot:

sns.pairplot(df1,kind='reg',hue='species',plot_kws=dict(robust=True,n_boot=50)) 

NB: In diesem Beispiel habe ich auch verringert n_boot die reduzieren Laufzeit (siehe "robust" in Regplot-Dokumentation), so dass die Konfidenzintervalle möglicherweise falsch sind).