sns.regplot()的用法

sns.regplot()：繪圖數據和線性回歸模型擬合

#參數
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)

參數說明

x,y：就是x,y軸的值

data：x,y所屬的df

x_estimator：將此函數應用於x的每個唯一值並繪制結果估計值。當x是離散變量時，這很有用。如果給定x_ci，則此估計值將自舉並繪制置信區間

x_bins：將x分成多少段

其他的參數可以參考官網文檔：https://www.cntofu.com/book/172/docs/28.md

官網例子

#使用sns自帶數據集小費數據集
import seaborn as sns
tips=sns.load_dataset('tips')
sns.regplot(x='total_bill',y='tip',data=tips)

 

 

#使用定義為numpy數組的兩個變量繪制；使用不同的顏色
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的兩個變量繪制；使用不同的標記
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%的置信區間，這與估計的標准誤差相對應:
sns.regplot(x=x, y=y, ci=68)

 

 

#使用離散x變量繪制並添加一些抖動
sns.regplot(x='size',y='total_bill',data=tips,x_jitter=.1)

 

 

#用離散x變量繪制圖，顯示唯一值的平均值和置信區間
sns.regplot(x='size',y='total_bill',data=tips,x_estimator=np.mean)

 

 

#用一個連續變量划分為幾個獨立的區域
sns.regplot(x=x,y=y,x_bins=4)

 

 

#用log（x）擬合回歸模型並截斷模型預測
sns.regplot(x="size", y="total_bill", data=tips, x_estimator=np.mean, logx=True, truncate=True)