当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

Python seaborn.lmplot()用法及代码示例


Seaborn是一个了不起的可视化库，用于在Python中进行统计图形绘制。它提供了漂亮的默认样式和调色板，以使统计图更具吸引力。它建立在matplotlib库的顶部，并与 Pandas 的数据结构紧密集成。

seaborn.lmplot()方法

seaborn.lmplot()方法用于将散点图绘制到FacetGrid上。

用法： 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)

参数：此方法接受下面描述的以下参数：

  • x, y：(可选)此参数是数据中的列名。
  • data:此参数是DataFrame。
  • hue, col, row:此参数是数据的定义子集，这些子集将绘制在网格的不同面上。请参阅* _order参数以控制此变量的级别顺序。
  • palette：(可选)此参数是调色板名称，列表或字典，用于不同级别的hue变量的颜色。应该是可以由color_palette()解释的内容，或者是将色相级别映射到matplotlib颜色的字典。
  • col_wrap:(可选)此参数为int类型，“Wrap”具有此宽度的列变量，以便列构面跨越多行。与行构面不兼容。
  • height:(可选)此参数是每个构面的高度(以英寸为单位)。
  • aspect:(可选)此参数是每个构面的纵横比，因此，aspect * height给出每个构面的宽度(以英寸为单位)。
  • markers:(可选)此参数是matplotlib标记代码或标记代码列表，散点图的标记。如果是列表，列表中的每个标记将用于每个级别的色相变量。
  • share{x, y}:(可选)此参数为布尔型‘col’或‘row’。如果为true，则构面将共享列的y轴和/或行的x轴。
  • {hue，col，row} _order：(可选)此参数是列表，是构面变量级别的顺序。默认情况下，这将是级别在数据中出现的顺序；如果变量是pandas类别，则将是类别顺序。
  • legend:(可选)此参数接受bool值，如果为True且有色相变量，请添加图例。
  • legend_out:(可选)此参数接受bool值，如果为True，则图形尺寸将被扩展，并且图例将绘制在右中图的外部。
  • x_estimator:(可选)可调用此参数以映射向量->标量，将此函数应用于x的每个唯一值并绘制结果估计。当x是离散变量时，这很有用。如果给出x_ci，则该估计将被引导并绘制置信区间。
  • x_bins:(可选)此参数为int或vector，将x变量绑定到离散的bin中，然后估计中心趋势和置信区间。这种装箱仅影响散点图的绘制方式；回归仍然适合原始数据。此参数被解释为evenly-sized(不需要间隔)的存储箱数或存储箱中心的位置。使用此参数时，表示x_estimator的默认值为numpy.mean。
  • x_ci:(可选)此参数为“ci”，“sd”，[0，100]中的int或“无”，为x的离散值绘制中心趋势时使用的置信区间的大小。如果为“ci”，则遵循ci参数的值。如果为“sd”，请跳过引导程序，并显示每个仓中观测值的标准偏差。
  • scatter:(可选)此参数接受bool值。如果为True，则使用基础观测值(或x_estimator值)绘制散点图。
  • fit_reg:(可选)此参数接受bool值。如果为True，则估计并绘制与x和y变量相关的回归模型。
  • ci:(可选)此参数为int，为[0，100]或无，回归估计的置信区间的大小。这将使用回归线周围的半透明带绘制。置信区间是使用自举估算的；对于大型数据集，建议将此参数设置为“无”以避免计算。
  • n_boot:(可选)此参数是用于估计ci的引导程序重采样数。缺省值试图平衡时间和稳定性。您可能想增加“final”版图的此值。
  • units:(可选)此参数是数据中的变量名称。如果x和y观测值嵌套在采样单位内，则可以在此处指定这些观测值。在通过执行对单元和观测值(单元内)都重新采样的多级引导程序来计算置信区间时，将考虑到这一点。否则，这不会影响回归的估计或绘制方式。
  • seed:(可选)此参数是int，numpy.random.Generator或numpy.random.RandomState，Seed或用于可重引导的随机数生成器。
  • order:(可选)此参数的阶数大于1，使用numpy.polyfit估计多项式回归。
  • logistic:(可选)此参数接受布尔值，如果为True，则假定y是二进制变量，并使用statsmodels估计逻辑回归模型。请注意，这比线性回归的计算量大得多，因此您可能希望减少引导程序重采样(n_boot)的次数或将ci设置为None。
  • lowess:(可选)此参数接受bool值，如果为True，则使用statsmodels估计非参数的lowess模型(局部加权线性回归)。请注意，目前无法为这种模型绘制置信区间。
  • robust:(可选)此参数接受布尔值，如果为True，则使用statsmodels估计稳健的回归。这将是de-weight个异常值。请注意，这比标准线性回归的计算量大得多，因此您可能希望减少引导程序重采样的次数(n_boot)或将ci设置为None。
  • logx:(可选)此参数接受布尔值。如果为True，则估计形式为y〜log(x)的线性回归，但在输入空间中绘制散点图和回归模型。请注意，x必须为正数才能起作用。
  • {x，y} _partial：(可选)此参数是数据或矩阵中的字符串，混淆变量以在绘制之前从x或y变量中回归。
  • truncate:(可选)此参数接受布尔值。如果为True，则回归线受数据限制的限制。如果为False，则延伸到x轴限制。
  • {x，y} _jitter：(可选)此参数是将此大小的均匀随机噪声添加到x或y变量中。拟合回归后，噪声会添加到数据副本中，并且只会影响散点图的外观。在绘制采用离散值的变量时，这可能会有所帮助。
  • {scatter，line} _kws：(可选)词典

返回值：此方法返回上面带有图的FacetGrid对象，以进行进一步调整。



注意：要下载提示数据集，请单击此处。

以下示例说明了Seaborn库的lmplot()方法。

范例1：带有回归线的散点图(默认情况下)。

# importing the required library 
import pandas as pd 
import seaborn as sns 
import matplotlib.pyplot as plt 
  
# read a csv file 
df = pd.read_csv('Tips.csv') 
  
# scatter plot with regression  
# line(by default) 
sns.lmplot(x ='total_bill', y ='tip', data = df) 
  
# Show the plot 
plt.show()

输出：
scatter plot

范例2：没有回归线的散点图。

# importing the required library 
import pandas as pd 
import seaborn as sns 
import matplotlib.pyplot as plt 
  
# read a csv file 
df = pd.read_csv('Tips.csv') 
  
# scatter plot without regression 
# line. 
sns.lmplot(x ='total_bill', y ='tip', 
           fit_reg = False, data = df) 
  
# Show the plot 
plt.show()

输出：
scatter plot 2

范例3：使用色相属性的散点图，用于根据性别对点进行着色。

# importing the required library 
import pandas as pd 
import seaborn as sns 
import matplotlib.pyplot as plt 
  
# read a csv file 
df = pd.read_csv('Tips.csv') 
  
# scatter plot using hue attribute 
# for colouring out points 
# according to the sex 
sns.lmplot(x ='total_bill', y ='tip',  
          fit_reg = False, hue = 'sex', 
          data = df) 
  
# Show the plot 
plt.show()

输出：
coloured scatter plot




相关用法


注：本文由纯净天空筛选整理自AnkitRai01大神的英文原创作品 Python – seaborn.lmplot() method。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。