Python可视化学习之seaborn绘制线型回归曲线
本文速览
1、绘图数据准备
依旧使用鸢尾花iris数据集,详细介绍见之前文章。
数据集简单查看
2、seaborn.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, seed=none, order=1, logistic=false, lowess=false, robust=false, logx=false, x_partial=none, y_partial=none, truncate=true, dropna=true, x_jitter=none, y_jitter=none, label=none, color=none, marker='o', scatter_kws=none, line_kws=none, ax=none)
regplot默认参数线型回归图
分别设置点和拟合线属性
置信区间(confidence interval)设置
注意拟合线周围阴影面积变化
拟合线延伸与坐标轴相交
拟合离散变量曲线
多项式回归( polynomial regression)拟合曲线
3、seaborn.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, seed=none, order=1, logistic=false, lowess=false, robust=false, logx=false, x_partial=none, y_partial=none, truncate=true, x_jitter=none, y_jitter=none, scatter_kws=none, line_kws=none, size=none)
seaborn.lmplot结合seaborn.regplot()和facetgrid,比seaborn.regplot()更灵活,可绘制更个性化的图形。
按变量分类拟合回归线
散点marker设置
散点调色盘
拟合线属性设置
绘制分面图
以上就是python可视化学习之seaborn绘制线型回归曲线的详细内容,更多关于python seaborn线型回归曲线的资料请关注其它相关文章!