python3.ML.Seaborn画图REG-回归分析绘图(是否付小费数据案例)

获取是否付小费数据

regplot()和lmplot()都可以绘制回归关系,推荐regplot()

sns.lmplot(x="x", y="y", data=XXX, order=2); #曲线

利用hue参数画出男女给予小费的不同

sns.lmplot(palette="Set1");#lmplot中加入调色板palette

sns.lmplot(col="time", row="sex");#lmplot中加入col、row参数

参数ax

col_wrap:“包装”列变量在这个宽度,这列方面跨越多个行

size :身高(英寸)的每个方面


获取是否付小费数据


   
   
   
   
  1. #!/usr/bin/python
  2. # -*- coding: UTF-8 -*-
  3. # %matplotlib inline
  4. import numpy as np
  5. import pandas as pd
  6. import matplotlib as mpl
  7. import matplotlib.pyplot as plt
  8. import seaborn as sns
  9. sns.set(color_codes= True)
  10. np.random.seed(sum(map(ord, "regression")))
  11. tips = sns.load_dataset( "tips")
  12. print(tips.head())
  13. '''
  14. total_bill tip sex smoker day time size
  15. 0 16.99 1.01 Female No Sun Dinner 2
  16. 1 10.34 1.66 Male No Sun Dinner 3
  17. 2 21.01 3.50 Male No Sun Dinner 3
  18. 3 23.68 3.31 Male No Sun Dinner 2
  19. 4 24.59 3.61 Female No Sun Dinner 4
  20. '''

regplot()和lmplot()都可以绘制回归关系,推荐regplot()

sns.regplot(x="total_bill", y="tip", data=tips)
   
   
   
   

python3.ML.Seaborn画图REG-回归分析绘图(是否付小费数据案例)_第1张图片

sns.lmplot(x="total_bill", y="tip", data=tips);
   
   
   
   

python3.ML.Seaborn画图REG-回归分析绘图(是否付小费数据案例)_第2张图片

sns.regplot(data=tips,x="size",y="tip")
   
   
   
   

python3.ML.Seaborn画图REG-回归分析绘图(是否付小费数据案例)_第3张图片

sns.regplot(x="size", y="tip", data=tips, x_jitter=.05)
   
   
   
   

python3.ML.Seaborn画图REG-回归分析绘图(是否付小费数据案例)_第4张图片


   
   
   
   
  1. anscombe = sns.load_dataset( "anscombe")
  2. sns.regplot(x= "x", y= "y", data=anscombe.query( "dataset == 'I'"),
  3. ci= None, scatter_kws={ "s": 100})

python3.ML.Seaborn画图REG-回归分析绘图(是否付小费数据案例)_第5张图片


   
   
   
   
  1. anscombe = sns.load_dataset( "anscombe")
  2. sns.lmplot(x= "x", y= "y", data=anscombe.query( "dataset == 'II'"),
  3. ci= None, scatter_kws={ "s": 80})

python3.ML.Seaborn画图REG-回归分析绘图(是否付小费数据案例)_第6张图片

sns.lmplot(x="x", y="y", data=XXX, order=2); #曲线


   
   
   
   
  1. sns.lmplot(x= "x", y= "y", data=anscombe.query( "dataset == 'II'"),
  2. order= 2, ci= None, scatter_kws={ "s": 80});

python3.ML.Seaborn画图REG-回归分析绘图(是否付小费数据案例)_第7张图片


   
   
   
   
  1. sns.lmplot(x= "x", y= "y", data=anscombe.query( "dataset == 'I'"),
  2. order= 2, ci= None, scatter_kws={ "s": 80});

python3.ML.Seaborn画图REG-回归分析绘图(是否付小费数据案例)_第8张图片

利用hue参数画出男女给予小费的不同

sns.lmplot(x="total_bill", y="tip", hue="sex", data=tips);
   
   
   
   

python3.ML.Seaborn画图REG-回归分析绘图(是否付小费数据案例)_第9张图片

sns.lmplot(palette="Set1");#lmplot中加入调色板palette


   
   
   
   
  1. sns.lmplot(x= "total_bill", y= "tip", hue= "smoker", data=tips,
  2. markers=[ "o", "x"], palette= "Set1");

python3.ML.Seaborn画图REG-回归分析绘图(是否付小费数据案例)_第10张图片


   
   
   
   
  1. colors = [ "windows blue", "amber", "greyish", "faded green", "dusty purple"]
  2. sns.lmplot(x= "total_bill", y= "tip", hue= "smoker", data=tips,
  3. markers=[ "o", "x"], palette=sns.xkcd_palette(colors));

python3.ML.Seaborn画图REG-回归分析绘图(是否付小费数据案例)_第11张图片

sns.lmplot(col="time", row="sex");#lmplot中加入col、row参数


   
   
   
   
  1. sns.lmplot(x= "total_bill", y= "tip", hue= "smoker",
  2. col= "time", row= "sex", data=tips);

python3.ML.Seaborn画图REG-回归分析绘图(是否付小费数据案例)_第12张图片

参数ax


   
   
   
   
  1. f, ax = plt.subplots(figsize=( 5, 5))
  2. sns.regplot(x= "total_bill", y= "tip", data=tips, ax=ax);

python3.ML.Seaborn画图REG-回归分析绘图(是否付小费数据案例)_第13张图片

col_wrap:“包装”列变量在这个宽度,这列方面跨越多个行

size :身高(英寸)的每个方面


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

python3.ML.Seaborn画图REG-回归分析绘图(是否付小费数据案例)_第14张图片


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

python3.ML.Seaborn画图REG-回归分析绘图(是否付小费数据案例)_第15张图片


   
   
   
   
  1. sns.lmplot(x= "total_bill", y= "tip", col= "day", data=tips,
  2. aspect= .8);

python3.ML.Seaborn画图REG-回归分析绘图(是否付小费数据案例)_第16张图片

 

 

 

 

你可能感兴趣的:(机器学习)