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！