标签：因变量 end cat pre sha https records idt wrap
回归图只要探讨两连续数值变量的变化趋势情况，绘制x-y的散点图和回归曲线。
seaborn.lmplot(x, y, data, hue=None, col=None, row=None, palette=None, col_wrap=None, height=5, aspect=1, markers=‘o‘, sharex=True, sharey=True, hue_order=None, col_order=None, row_order=None, legend=True, legend_out=True, 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, x_jitter=None, y_jitter=None, scatter_kws=None, line_kws=None, size=None)
lmplot 同样是用于绘制回归图，但 lmplot 支持引入第三维度进行对比，例如我们设置 hue="species"。举例：
sns.lmplot(x="sepal_length", y="sepal_width", hue="species", data=iris)
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)
功能：用线性回归模型对数据做拟合
regplot 绘制回归图时，只需要指定自变量和因变量即可，regplot 会自动完成线性回归拟合。举例：
sns.regplot(x="sepal_length", y="sepal_width", data=iris)
seaborn.residplot(x, y, data=None, lowess=False, x_partial=None, y_partial=None, order=1, robust=False, dropna=True, label=None, color=None, scatter_kws=None, line_kws=None, ax=None)
功能：展示线性回归模型拟合后各点对应的残值
举例：可以对以年为单位的地震记录作线性回归拟合。以下两张图分别对应一阶线性回归拟合、拟合后残值分布情况图。
plt.figure(figsize=(12,6)) plt.subplot(121) sns.regplot(x="Year", y="ID", data=temp,order=1) # default by 1plt.ylabel(‘ ‘) plt.title(‘Regression fit of earthquake records by year,order = 1‘) plt.subplot(122) sns.residplot(x="Year", y="ID", data=temp) plt.ylabel(‘ ‘) plt.title(‘Residual plot when using a simplt regression model,order=1‘) plt.show()
seaborn回归图（Regression）---散点图lmplot/regplot/residplot、回归曲线
标签：因变量 end cat pre sha https records idt wrap
原文地址：https://www.cnblogs.com/nxf-rabbit75/p/12098549.html
