如何在Python中使用 Seaborn 制作带回归线的散点图？

在本文中，我们将学习如何在Python中使用 Seaborn 绘制带有回归线的男性散点图。让我们讨论一些概念：

• Seaborn： Seaborn 是一个巨大的可视化库，用于在Python中绘制统计图形。它提供了漂亮的默认样式和调色板，使统计图更具吸引力。它建立在最高的 matplotlib 库之上，并且与 Pandas 的信息结构紧密集成。
• 散点图：散点图通常用于观察变量之间的关系，并使用点来表示它们之间的联系。 matplotlib 库中的 scatter() 方法用于绘制散点图。散点图广泛用于表示变量之间的关系以及一个变量的变化影响相反的方式。
• 回归图： seaborn 中的两个主要函数不会将通过回归确定的线性关系可视化。这些函数 regplot() 和 lmplot() 密切相关并共享其大部分核心功能。

在两个数值变量之间的散点图中添加回归曲线是确定线性趋势的好方法。我们还将看到一个使用回归曲线自定义散点图的示例。

所需步骤

• 导入库 (Seaborn)
• 导入或加载或创建数据。
• 借助 regplot() 或 lmplot() 方法绘制图形。

示例 1：使用 regplot() 方法

此方法用于绘制数据和线性回归模型拟合。有许多用于估计回归模型的互斥选项。

Python3

# importing libraries
import seaborn as sb
  
# load data
df = sb.load_dataset('iris')
  
# use regplot
sb.regplot(x = "sepal_length",
            y = "petal_length", 
            ci = None,
            data = df)

输出 ：

示例 2：使用 lmplot() 方法

lmplot 是另一个最基本的绘图。它显示了一条代表线性回归模型的线以及二维空间上的数据点，x 和 y 可以分别设置为水平和垂直标签。

蟒蛇3

# importing libraries
import seaborn as sb
  
# load data
df = sb.load_dataset('iris')
  
# use lmplot
sb.lmplot(x = "sepal_length",
            y = "petal_length", 
            ci = None,
            data = df)

输出 ：