5-4 可视化库Seaborn-回归分析

In [2]:

%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats,integrate
import matplotlib.pyplot as plt

import seaborn as sns
sns.set(color_codes=True)
#生成回归数据随机种子
np.random.seed(sum(map(ord,"regression")))
#自带的饭店的相关数据
tips=sns.load_dataset("tips")

tips.head()

Out[2]:

 

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4

 

1.regplot()和lmplot()都可以绘制回归关系，推荐regplot()

In [3]:

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

Out[3]:

<matplotlib.axes._subplots.AxesSubplot at 0x537fe48>

 

In [4]:

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

Out[4]:

<seaborn.axisgrid.FacetGrid at 0x537ff60>

 

In [5]:

sns.regplot(x="size",y="tip",data=tips)#此数据比较唯一没有浮动的误差，数据过于离散，不适合进行回归分析

Out[5]:

<matplotlib.axes._subplots.AxesSubplot at 0x9abf3c8>

 

 

• sns.regplot（）的x_jitter控制的数据的抖动误差

In [6]:

sns.regplot(x="size",y="tip",data=tips,x_jitter=.05)

Out[6]:

<matplotlib.axes._subplots.AxesSubplot at 0x9b1edd8>