zoukankan      html  css  js  c++  java
  • sns.regplot()的用法

    sns.regplot():绘图数据和线性回归模型拟合

    #参数
    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, order=1, logistic=False, lowess=False, robust=False, logx=False, x_partial=None, y_partial=None, truncate=False, dropna=True,
    x_jitter=None, y_jitter=None, label=None, color=None, marker='o', scatter_kws=None, line_kws=None, ax=None)

    参数说明

    x,y:就是x,y轴的值

    data:x,y所属的df

    x_estimator:将此函数应用于x的每个唯一值并绘制结果估计值。当x是离散变量时,这很有用。如果给定x_ci,则此估计值将自举并绘制置信区间

    x_bins:将x分成多少段

    其他的参数可以参考官网文档:https://www.cntofu.com/book/172/docs/28.md

    官网例子

    #使用sns自带数据集小费数据集
    import seaborn as sns
    tips=sns.load_dataset('tips')
    sns.regplot(x='total_bill',y='tip',data=tips)

    #使用定义为numpy数组的两个变量绘制;使用不同的颜色
    import numpy as np
    mean,cov=[4,6],[(1.5,.7),(.7,1)]
    x,y=np.random.multivariate_normal(mean,cov,88).T
    sns=sns.regplot(x=x,y=y,color='g')  #g是green 

    #使用pd.Series的两个变量绘制;使用不同的标记
    import seaborn as sns
    import pandas as pd 
    x,y=pd.Series(x,name='x_var'),pd.Series(y,name='y_var')
    sns.regplot(x=x, y=y, marker="+")

    #使用68%的置信区间,这与估计的标准误差相对应:
    sns.regplot(x=x, y=y, ci=68)

    #使用离散x变量绘制并添加一些抖动
    sns.regplot(x='size',y='total_bill',data=tips,x_jitter=.1)

    #用离散x变量绘制图,显示唯一值的平均值和置信区间
    sns.regplot(x='size',y='total_bill',data=tips,x_estimator=np.mean)

    #用一个连续变量划分为几个独立的区域
    sns.regplot(x=x,y=y,x_bins=4)

    #用log(x)拟合回归模型并截断模型预测
    sns.regplot(x="size", y="total_bill", data=tips, x_estimator=np.mean, logx=True, truncate=True)

    
    
  • 相关阅读:
    LeetCode Subarrays with K Different Integers
    LeetCode Repeated DNA Sequences
    为什么要使用静态方法
    String,StringBuilder,StringBuffer
    汉诺塔递归算法
    设计模式之代理模式
    设计模式之单例设计模式
    设计模式之工厂方法和抽象工厂
    设计模式之模板方法
    并发技巧清单(1)
  • 原文地址:https://www.cnblogs.com/cgmcoding/p/13293395.html
Copyright © 2011-2022 走看看