He intentado con ambos (pandas) pd.ols y (statsmodels) sm.ols obtener un gráfico de dispersión de regresióncon la linea de regresion, Puedo obtener el gráfico de dispersión pero parece que no puedo obtener los parámetros para obtener la línea de regresión para representar. Probablemente sea obvio que estoy haciendo algunos códigos de cortar y pegar aquí :-( (usando esto como una guía:http://nbviewer.ipython.org/github/weecology/progbio/blob/master/ipynbs/statistics.ipynb

Mis datos están en un marco de datos de pandas y la columna x es merged2 [: - 1] .lastqu y la columna de datos y es merged2 [: - 1] .Units Mi código es el siguiente: para obtener la regresión:

def fit_line2(x, y):
    X = sm.add_constant(x, prepend=True) #Add a column of ones to allow the calculation of the intercept
    model = sm.OLS(y, X,missing='drop').fit()
    """Return slope, intercept of best fit line."""
    X = sm.add_constant(x)
    return model
model=fit_line2(merged2[:-1].lastqu,merged2[:-1].Units)
print fit.summary()

^^^^ parece bien

intercept, slope = model.params  << I don't think this is quite right
plt.plot(merged2[:-1].lastqu,merged2[:-1].Units, 'bo')
plt.hold(True)

^^^^^ Esto consigue el diagrama de dispersión hecho** y lo de abajo no me da una línea de regresión

x = np.array([min(merged2[:-1].lastqu), max(merged2[:-1].lastqu)])
y = intercept + slope * x
plt.plot(x, y, 'r-')
plt.show()

Un fragmento del Dataframe: el [: -1] elimina el período actual de los datos que posteriormente serán una proyección.

Units   lastqu  Uperchg lqperchg    fcast   errpercent  nfcast
date                            
2000-12-31   7177    NaN     NaN     NaN     NaN     NaN     NaN
2001-12-31   10694   2195.000000     0.490038    NaN     10658.719019    1.003310    NaN
2002-12-31   11725   2469.000000

Editar:

Descubrí que podía hacer:

fig = plt.figure(figsize=(12,8))
fig = sm.graphics.plot_regress_exog(model, "lastqu", fig=fig)

como se describe aquí en elStatsmodels doc que parece ser lo principal que quería (y más) ¡Todavía me gustaría saber dónde me equivoqué en el código anterior!