Seaborn.regplot() 方法

---

---

seaborn.regplot() 方法用於繪製資料並繪製線性迴歸模型擬合。有多種估計迴歸模型的選項，所有這些選項都是互斥的。

我們可能已經知道，迴歸分析是一種用於評估自變數和因變數之間關係的技術。因此，此模型用於建立迴歸圖。

regplot() 和 lmplot() 函式比較接近，但 regplot() 方法是軸級函式，而另一個不是。包含該圖的 Matplotlib 軸作為此方法的結果返回。

語法

以下是 seaborn.regplot() 方法的語法：

seaborn.regplot(*, x=None, y=None, data=None, x_estimator=None, x_bins=None, x_ci='ci', scatter=True, fit_reg=True, ci=95, n_boot=1000, units=None, seed=None, order=1, logistic=False, lowess=False, robust=False, logx=False, x_partial=None, y_partial=None, truncate=True, dropna=True, x_jitter=None, y_jitter=None, label=None, color=None, marker='o', scatter_kws=None, line_kws=None, ax=None)

引數

下面討論了 regplot() 方法的一些引數。

載入 seaborn 庫

在繼續開發繪圖之前，讓我們載入 seaborn 庫和資料集。要載入或匯入 seaborn 庫，可以使用以下程式碼行。

Import seaborn as sns

載入資料集

在本文中，我們將使用 seaborn 庫中內建的泰坦尼克號資料集。以下命令用於載入資料集。

titanic=sns.load_dataset("titanic")

以下命令用於檢視資料集中前 5 行。這使我們能夠理解哪些變數可以用於繪製圖形。

titanic.head()

以下是上述程式碼段的輸出。

index,survived,pclass,sex,age,sibsp,parch,fare,embarked,class,who,adult_male,deck,embark_town,alive,alone
0,0,3,male,22.0,1,0,7.25,S,Third,man,true,NaN,Southampton,no,false
1,1,1,female,38.0,1,0,71.2833,C,First,woman,false,C,Cherbourg,yes,false
2,1,3,female,26.0,0,0,7.925,S,Third,woman,false,NaN,Southampton,yes,true

現在我們已經載入了資料集，我們將探索一些示例。

示例 1

在此示例中，我們將透過獲取內建資料集 titanic 並使用它來繪製簡單的迴歸圖。泰坦尼克號資料集的 fare 和 age 列分別傳遞給 x 和 y 引數。這裡，這兩列都是數值型別。此外，color 引數用於設定在圖上繪製的資料點的顏色。在下面的程式碼中，傳遞了“g”，這意味著獲得的圖將具有綠色資料點。

import seaborn as sns
import matplotlib.pyplot as plt
titanic=sns.load_dataset("titanic")
titanic.head()
sns.regplot(x="fare", y="age",color="g", data=titanic)
plt.show()

輸出

獲得的圖如下所示：

示例 2

在此示例中，使用了 marker 引數。這是用於在圖中繪製資料點的標記。在下面的示例中，傳遞的標記為“*”，因此獲得的圖將用“*”標記觀測值。

import seaborn as sns
import matplotlib.pyplot as plt
titanic=sns.load_dataset("titanic")
titanic.head()
sns.regplot(y="fare", x="age",color="g", marker="*",data=titanic)
plt.show()

輸出

獲得的圖如下所示。

示例 3

在此示例中，我們將瞭解 y_jitter 引數的工作原理。此可選引數接受浮點值，它向圖的 x 或 y 變數新增此大小的均勻隨機噪聲。它可以在您的程式碼中使用，如下所示。

import seaborn as sns
import matplotlib.pyplot as plt
titanic=sns.load_dataset("titanic")
titanic.head()
sns.regplot(y="fare", x="age", y_jitter=.9,data=titanic)
plt.show()

輸出

獲得的輸出圖附在下面。

示例 4

現在，我們將瞭解 bins 引數的行為。此可選引數接受 int 或向量作為輸入。x 變數被分成離散的箱，然後估計中心趨勢和置信區間。在下面的示例中，將整數 5 傳遞給 x_bins 並觀察輸出。

import seaborn as sns
import matplotlib.pyplot as plt
titanic=sns.load_dataset("titanic")
titanic.head()
sns.regplot(y="fare", x="age",x_bins=5,data=titanic)
plt.show()

輸出

生成的圖形如下所示。