Python 可视化 | Seaborn5 分钟入门 (五)——lmplot

微信公众号:「Python读财」
如有问题或建议,请公众号留言

Seaborn是基于matplotlib的Python可视化库。 它提供了一个高级界面来绘制有吸引力的统计图形。Seaborn其实是在matplotlib的基础上进行了更高级的API封装,从而使得作图更加容易,不需要经过大量的调整就能使你的图变得精致。

image

注:所有代码均在IPython notebook中实现


lmplot(回归图)

lmplot是用来绘制回归图的,通过lmplot我们可以直观地总览数据的内在关系

先总览一下stripplot的API:

seaborn.lmplot(x, y, data, hue=None, col=None, row=None, palette=None, col_wrap=None, size=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, order=1, logistic=False, lowess=False, robust=False, logx=False, x_partial=None, y_partial=None, truncate=False, x_jitter=None, y_jitter=None, scatter_kws=None, line_kws=None)

可以看到lmplot的参数还是比较多的,接下来我们就挑一些常用的来讲一下,有一些参数会涉及到一些统计学的知识。

老套路,先导入相应的包:

import seaborn as sns
%matplotlib inline
sns.set(font_scale=1.5,style="white")

本次试用的数据集是Seaborn内置的tips小费数据集:

data=sns.load_dataset("tips")
data.head(5) 

image

我们先来看一下lmplot是什么样的

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

image

可以看到lmplot对所选数据集进行了一元线性回归,拟合出了一条最佳的直线,

接下来进入具体参数的演示。

col:根据所指定属性在列上分类

row:根据所指定属性在行上分类

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

image

结合我们的数据集,看上图的横纵坐标就可以明白这两个参数的用法

col_wrap:指定每行的列数,最多等于col参数所对应的不同类别的数量

sns.lmplot(x="total_bill",y="tip",data=data,col="day",col_wrap=4) 

image.png

sns.lmplot(x="total_bill",y="tip",data=data,col="day",col_wrap=2) 

image

aspect:控制图的长宽比

sns.lmplot(x="total_bill",y="tip",data=data,aspect=1)  
 #长度比宽度等于一比一,即正方形

image

sns.lmplot(x="total_bill",y="tip",data=data,aspect=1.5)  
#长度比宽度等于1:1.5,可以看到横轴更长一点

image.png

sharex:共享x轴刻度(默认为True)

sharey:共享y轴刻度(默认为True)

sns.lmplot(x="total_bill",y="tip",data=data,row="sex",col="smoker",sharex=False)
 #可以看到设置为False时,各个子图的x轴的5#坐标刻度是不一样的

image

hue:用于分类

sns.lmplot(x="total_bill",y="tip",data=data,hue="sex",palette="husl") 

image.png

ci:控制回归的置信区间(有学过统计学的同学们应该都是知道滴)

#显示0.95的置信区间
sns.lmplot(x="total_bill",y="tip",data=data,ci=95)

ci.png

x_jitter:给x轴随机增加噪音点

y_jitter:给y轴随机增加噪音点

设置这两个参数不影响最后的回归直线

sns.lmplot(x="size",y="tip",data=data,x_jitter=False) 

image

sns.lmplot(x="size",y="tip",data=data,x_jitter=True)    
#可以看到刚才的一列一列的数据点被随机   
#打乱了,但不会影响到最后的回归直线

image

order:控制进行回归的幂次(一次以上即是多项式回归)

sns.lmplot(x="total_bill",y="tip",data=data,order=1)  #一元线性回归

image.png

sns.lmplot(x="total_bill",y="tip",data=data,order=2) #次数最高为2

image

sns.lmplot(x="total_bill",y="tip",data=data,order=3) #次数最高为3

image

还有一些参数涉及到了更深入的统计学知识,在这里就不一一介绍了,有兴趣的可以自行查看官方文档!

关注我的公众号「Python读财」,后台回复「py」即可获取Python学习资源礼包,还有python学习交流群哦!

底部二维码.png

本作品采用《CC 协议》,转载必须注明作者和本文链接
讨论数量: 0
(= ̄ω ̄=)··· 暂无内容!

讨论应以学习和精进为目的。请勿发布不友善或者负能量的内容,与人为善,比聪明更重要!