Python可视化 | Seaborn5分钟入门(五)——lmplot

 

公众号：「Python读财」
有任何问题，请到公众号留言

Seaborn是基于matplotlib的Python可视化库。 它提供了一个高级界面来绘制有吸引力的统计图形。Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，不需要经过大量的调整就能使你的图变得精致。但应强调的是，应该把Seaborn视为matplotlib的补充，而不是替代物。

 

注：所有代码均在IPython notebook中实现

---

lmplot(回归图)

lmplot是用来绘制回归图的，通过lmplot我们可以直观地总览数据的内在关系

先总览一下stripplot的API：

seaborn.lmplot(x, y, data, hue=None, col=None, row=None, palette=None, col_wrap=None, size=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)

可以看到lmplot的参数还是比较多的，接下来我们就挑一些常用的来讲一下，有一些参数会涉及到一些统计学的知识。

老套路，先导入相应的包：

 

1import seaborn as sns
2%matplotlib inline
3sns.set(font_scale=1.5,style="white")

本次试用的数据集是Seaborn内置的tips小费数据集：

1data=sns.load_dataset("tips")
2data.head(5) 

我们先来看一下lmplot是什么样的

1sns.lmplot(x="total_bill",y="tip",
2           data=data)

可以看到lmplot对所选数据集进行了一元线性回归，拟合出了一条最佳的直线，

接下来进入具体参数的演示。

 

col:根据所指定属性在列上分类

row:根据所指定属性在行上分类

1sns.lmplot(x="total_bill",y="tip",
2           data=data,row="sex",
3           col="smoker")

 

结合我们的数据集，看上图的横纵坐标就可以明白这两个参数的用法

 

col_wrap:指定每行的列数，最多等于col参数所对应的不同类别的数量

1sns.lmplot(x="total_bill",y="tip",
2           data=data,col="day",
3           col_wrap=4) 

1sns.lmplot(x="total_bill",y="tip",
2           data=data,col="day",
3           col_wrap=2) 

 

aspect:控制图的长宽比

1sns.lmplot(x="total_bill",y="tip",
2           data=data,aspect=1)
   #长度比宽度等于一比一，即正方形

1sns.lmplot(x="total_bill",y="tip",
2           data=data,aspect=1.5)  
3#长度比宽度等于1:1.5，可以看到横轴更长一点

 

sharex:共享x轴刻度（默认为True）

sharey:共享y轴刻度（默认为True）

 

1sns.lmplot(x="total_bill",y="tip",
2           data=data,row="sex",
3           col="smoker",sharex=False) 
4#可以看到设置为False时，各个子图的x轴的
5#坐标刻度是不一样的

 

 

hue:用于分类

 

1sns.lmplot(x="total_bill",y="tip",
2           data=data,hue="sex",
3           palette="husl") 

 

 

ci:控制回归的置信区间（有学过统计学的同学们应该都是知道滴）

 

1sns.lmplot(x="total_bill",y="tip",
2           data=data,ci=0.95)
3#采用α=0.95的置信区间

 

x_jitter:给x轴随机增加噪音点

y_jitter:给y轴随机增加噪音点

设置这两个参数不影响最后的回归直线

1sns.lmplot(x="size",y="tip",
2       data=data,x_jitter=False) 

1sns.lmplot(x="size",y="tip",
2        data=data,x_jitter=True) 
   #可以看到刚才的一列一列的数据点被随机
   #打乱了，但不会影响到最后的回归直线

 

order:控制进行回归的幂次（一次以上即是多项式回归）

1sns.lmplot(x="total_bill",y="tip",
2         data=data,order=1)
  #一元线性回归

1sns.lmplot(x="total_bill",y="tip",
2          data=data,order=2)
3#次数最高为2

1sns.lmplot(x="total_bill",y="tip",
2          data=data,order=3)
3#次数最高为3

还有一些参数涉及到了更深入的统计学知识，在这里就不一一介绍了，有兴趣的可以自行查看官方文档！今天的演示就到此为止！ 

关注我的公众号「Python读财」，后台回复「py」即可获取Python学习资源礼包