seaborn.lmplot详解

官方文档

首先我们要知道，lmplot是用来绘制回归图的。

让我们来看看他的API：

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, seed=None, order=1, logistic=False, lowess=False, robust=False, logx=False, x_partial=None, y_partial=None, truncate=True, x_jitter=None, y_jitter=None, scatter_kws=None, line_kws=None, size=None)

可以看出，参数是相当的多啊。

x, y strings, optional:是data数据中，行的名字。

data DataFrame：那就是你的数据了。

我们用实例慢慢验证，本次试用的数据集是Seaborn内置的tips小费数据集：

第一步，导入相应的包,并输出数据

import seaborn as sns
tips = sns.load_dataset("tips")
print(tips.head())

输出结果：

   total_bill   tip     sex smoker  day    time  size
0       16.99  1.01  Female     No  Sun  Dinner     2
1       10.34  1.66    Male     No  Sun  Dinner     3
2       21.01  3.50    Male     No  Sun  Dinner     3
3       23.68  3.31    Male     No  Sun  Dinner     2
4       24.59  3.61  Female     No  Sun  Dinner     4

我们用一下lmplot，看看绘制出来的是什么样的图：

df = sns.lmplot(x='total_bill',y='tip',data=tips)

绘制结果：

我们可以看到，lmplot对所选择的数据集做出了一条最佳的拟合直线。

hue, col, row  strings：其实就是用于分类，我们可以看到，他把smoker所在列中，是否抽烟做了分类。

df = sns.lmplot(x="total_bill", y="tip", hue="smoker", data=tips)

order int, optional:控制进行回归的幂次（一次以上即是多项式回归）

df = sns.lmplot(x="total_bill", y="tip", hue="smoker", data=tips,order=3)

col strings:根据所指定属性在列上分类

row strings:根据所指定属性在行上分类

df = sns.lmplot(x="total_bill", y="tip",data=tips,col="day")

df = sns.lmplot(x="total_bill", y="tip",data=tips,row="sex")

df = sns.lmplot(x="total_bill", y="tip",data=tips,row="sex",col="day")

col_wrap int, optional 指定每行的列数，最多等于col参数所对应的不同类别的数量

df = sns.lmplot(x="total_bill", y="tip",data=tips,col="day",col_wrap=3)

先暂时学习到这儿，之后慢慢补充。