Python数据分析-绘图-2-Seaborn进阶绘图-6-回归图

一、regplot

函数：seaborn.regplot

常用参数：

x,y	array,str,series，如果是字符串应该是data中对应的属性名，使用series将会在轴上显示名称。
data	dataframe
x_estimator	接收可调用的映射对象，应用于每一个x的值并绘制估计图形，如果输入x_ci，将会绘制一个置信区间。默认为False
x_ci	接收“ci""sd",0-100的int,表示离散值集中趋势的置信区间大小，默认为None
ci	0-100 int,y轴置信区间大小。
scatter	bool,是否绘制散点图
logistic	bool.是否使用逻辑回归
lowess	bool,是否使用局域回归
robust	bool,是否使用稳定回归
logx	bool,是否使用对数回归
{x,y}_jitter	float,在x与y变量中添加均匀随机噪声，只改变图形外观。

使用逻辑回归等非默认回归时，需要提前安装statesmodels模块与pasty模块。

修改置信区间范围：

tips=sns.load_dataset('tips')
fig,axes=plt.subplots(1,2,figsize=(8,4))
#修改置信区间范围
sns.regplot(x='total_bill',y='tip',data=tips,ax=axes[0])
sns.regplot(x='total_bill',y='tip',data=tips,ci=50,ax=axes[1])

添加随机噪声的“抖动”：

fig,axes=plt.subplots(1,2,figsize=(8,4))
sns.regplot(x='size',y='tip',data=tips,ax=axes[0])
sns.regplot(x='size',y='tip',data=tips,x_jitter=0.1,ax=axes[1])

 

仅绘制均值和置信区间：

fig,axes=plt.subplots(1,2,figsize=(8,4))
sns.regplot(x='size',y='tip',data=tips,ax=axes[0])
sns.regplot(x='size',y='tip',data=tips,x_estimator=np.mean,ax=axes[1])

 

使用对数回归：

fig,axes=plt.subplots(1,2,figsize=(8,4))
sns.regplot(x='size',y='tip',data=tips,x_estimator=np.mean,ax=axes[0])
sns.regplot(x='size',y='tip',data=tips,x_estimator=np.mean,logx=True,ax=axes[1])

 

拟合高阶多项式回归：

ans=sns.load_dataset("anscombe")
fig,axes=plt.subplots(1,2,figsize=(8,4))
sns.regplot(x="x",y="y",data=ans.loc[ans.dataset=='II'],order=1,ci=None,ax=axes[0])
sns.regplot(x="x",y="y",data=ans.loc[ans.dataset=='II'],order=2,ci=None,ax=axes[1])

 

拟合稳健回归，并关掉置信区间（因为逻辑回归和稳健回归相较于简单线性回归需要更大的计算量，关掉置信区间可以提高速度）：

sns.regplot(x="x",y="y",data=ans.loc[ans.dataset=='III'],robust=True,ci=None)

 

二、lmplot 

函数：seaborn.lmplot

语法结构几乎与regplot相同。lmplot是将regplot与FacetGrid结合，能够绘制三变量图形和修改全局高宽比。但是该函数的输入数据只能是特征名，这就要求数据必须规范。

特殊的参数：

hue,col,row	将在不同的构面绘图，默认为None
data
palette	用于hue变量不同类别的颜色。
height	float，每个刻面的高度，默认为5.
aspect	float，每个刻面的宽度，默认为1
share{x,y}	bool，“col”，“row",表示是否共享x或y轴。

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

分开绘制：

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

 

修改构面高宽比：

sns.lmplot(x="total_bill",y="tip",hue="time",col="smoker",data=tips,height=4,aspect=0.8)

 

绘制一个回归网格图：

sns.lmplot(x="total_bill",y="tip",row="time",col="smoker",data=tips)