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)