阅读排行

seaborn回归图（Regression）---散点图lmplot/regplot/residplot、回归曲线

回归图只要探讨两连续数值变量的变化趋势情况，绘制x-y的散点图和回归曲线。

1.lmplot

seaborn.lmplot(x, y, data, hue=None, col=None, row=None, palette=None, col_wrap=None, height=5, aspect=1, markers=‘o‘, sharex=True, sharey=True, hue_order=None, col_order=None, row_order=None, legend=True, legend_out=True, x_estimator=None, x_bins=None, x_ci=‘ci‘, scatter=True, fit_reg=True, ci=95, n_boot=1000, units=None, order=1, logistic=False, lowess=False, robust=False, logx=False, x_partial=None, y_partial=None, truncate=False, x_jitter=None, y_jitter=None, scatter_kws=None, line_kws=None, size=None)

seaborn.lmplot
lmplot 同样是用于绘制回归图，但 lmplot 支持引入第三维度进行对比，例如我们设置 hue="species"。

举例：

sns.lmplot(x="sepal_length", y="sepal_width", hue="species", data=iris)

2.regplot

seaborn.regplot(x, y, data=None, x_estimator=None, x_bins=None, x_ci=‘ci‘, scatter=True, fit_reg=True, ci=95, n_boot=1000, units=None, order=1, logistic=False, lowess=False, robust=False, logx=False, x_partial=None, y_partial=None, truncate=False, dropna=True, x_jitter=None, y_jitter=None, label=None, color=None, marker=‘o‘, scatter_kws=None, line_kws=None, ax=None)

功能：用线性回归模型对数据做拟合

seaborn.regplot
regplot 绘制回归图时，只需要指定自变量和因变量即可，regplot 会自动完成线性回归拟合。

举例：

sns.regplot(x="sepal_length", y="sepal_width", data=iris)

3.residplot

seaborn.residplot(x, y, data=None, lowess=False, x_partial=None, y_partial=None, order=1, robust=False, dropna=True, label=None, color=None, scatter_kws=None, line_kws=None, ax=None)

功能：展示线性回归模型拟合后各点对应的残值

举例：可以对以年为单位的地震记录作线性回归拟合。以下两张图分别对应一阶线性回归拟合、拟合后残值分布情况图。

plt.figure(figsize=(12,6))
plt.subplot(121) 
sns.regplot(x="Year", y="ID",
data=temp,order=1) # default by 1plt.ylabel(‘ ‘)
plt.title(‘Regression fit of earthquake records by year,order = 1‘)
 
plt.subplot(122)
sns.residplot(x="Year", y="ID",
data=temp)
plt.ylabel(‘ ‘)
plt.title(‘Residual plot when using a simplt regression
model,order=1‘)
plt.show()

文章来自：https://www.cnblogs.com/nxf-rabbit75/p/12098549.html