Python数据分析30——seaborn可视化（六）之回归图

seaborn 绘制回归图

准备工作

先导入相关模块和数据集。

import numpy as np
import pandas as pd
from pandas import Series, DataFrame
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
tips = sns.load_dataset('tips')
tips.head()

回归图

regplot() 和 lmplot() 都可以绘制回归图，结果都是一样的。

regplot()

sns.set(style='darkgrid', color_codes=True)
sns.regplot(x='total_bill', y='tip', data=tips)

lmplot()

sns.set(style='darkgrid', color_codes=True)
sns.lmplot(x='total_bill', y='tip', data=tips)

不过，它们的绘图比列不是一致的，但是结果是一样的。

置信区间

置信区间上上图中，线形图附近的阴影部分。当然，也可以不绘制置信区间。

通过ci 参数设置是否绘制置信区间，默认是启用的。

sns.lmplot(x='total_bill', y='tip', data=tips, ci=None)

添加变量

通过 hue 参数，加入一个分类的变量，则自动通过不同的颜色绘图。就是把给小费的人按照是否吸烟分开两类而已。

sns.lmplot(x='total_bill', y='tip', hue='smoker',data=tips)

通过col参数可以添加一个变量，就会绘制子图。

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

还可以通过row参数添加变量，就会变成四个子图。因为2*2=4，所以就会出现四个子图。

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

注意：我电脑屏幕太小，没办法截全部的图，将就着看吧。影响不大。
还有，上面代码表示在每一行行显示time变量的两个分类信息，即Lunch和Dinner。在每一列表示sex变量的两个分类信息，即Male和Female。