當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文

Python seaborn.lmplot()用法及代碼示例


Seaborn是一個了不起的可視化庫，用於在Python中進行統計圖形繪製。它提供了漂亮的默認樣式和調色板，以使統計圖更具吸引力。它建立在matplotlib庫的頂部，並與 Pandas 的數據結構緊密集成。

seaborn.lmplot()方法

seaborn.lmplot()方法用於將散點圖繪製到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)

參數：此方法接受下麵描述的以下參數：

  • x, y：(可選)此參數是數據中的列名。
  • data:此參數是DataFrame。
  • hue, col, row:此參數是數據的定義子集，這些子集將繪製在網格的不同麵上。請參閱* _order參數以控製此變量的級別順序。
  • palette：(可選)此參數是調色板名稱，列表或字典，用於不同級別的hue變量的顏色。應該是可以由color_palette()解釋的內容，或者是將色相級別映射到matplotlib顏色的字典。
  • col_wrap:(可選)此參數為int類型，“Wrap”具有此寬度的列變量，以便列構麵跨越多行。與行構麵不兼容。
  • height:(可選)此參數是每個構麵的高度(以英寸為單位)。
  • aspect:(可選)此參數是每個構麵的縱橫比，因此，aspect * height給出每個構麵的寬度(以英寸為單位)。
  • markers:(可選)此參數是matplotlib標記代碼或標記代碼列表，散點圖的標記。如果是列表，列表中的每個標記將用於每個級別的色相變量。
  • share{x, y}:(可選)此參數為布爾型‘col’或‘row’。如果為true，則構麵將共享列的y軸和/或行的x軸。
  • {hue，col，row} _order：(可選)此參數是列表，是構麵變量級別的順序。默認情況下，這將是級別在數據中出現的順序；如果變量是pandas類別，則將是類別順序。
  • legend:(可選)此參數接受bool值，如果為True且有色相變量，請添加圖例。
  • legend_out:(可選)此參數接受bool值，如果為True，則圖形尺寸將被擴展，並且圖例將繪製在右中圖的外部。
  • x_estimator:(可選)可調用此參數以映射向量->標量，將此函數應用於x的每個唯一值並繪製結果估計。當x是離散變量時，這很有用。如果給出x_ci，則該估計將被引導並繪製置信區間。
  • x_bins:(可選)此參數為int或vector，將x變量綁定到離散的bin中，然後估計中心趨勢和置信區間。這種裝箱僅影響散點圖的繪製方式；回歸仍然適合原始數據。此參數被解釋為evenly-sized(不需要間隔)的存儲箱數或存儲箱中心的位置。使用此參數時，表示x_estimator的默認值為numpy.mean。
  • x_ci:(可選)此參數為“ci”，“sd”，[0，100]中的int或“無”，為x的離散值繪製中心趨勢時使用的置信區間的大小。如果為“ci”，則遵循ci參數的值。如果為“sd”，請跳過引導程序，並顯示每個倉中觀測值的標準偏差。
  • scatter:(可選)此參數接受bool值。如果為True，則使用基礎觀測值(或x_estimator值)繪製散點圖。
  • fit_reg:(可選)此參數接受bool值。如果為True，則估計並繪製與x和y變量相關的回歸模型。
  • ci:(可選)此參數為int，為[0，100]或無，回歸估計的置信區間的大小。這將使用回歸線周圍的半透明帶繪製。置信區間是使用自舉估算的；對於大型數據集，建議將此參數設置為“無”以避免計算。
  • n_boot:(可選)此參數是用於估計ci的引導程序重采樣數。缺省值試圖平衡時間和穩定性。您可能想增加“final”版圖的此值。
  • units:(可選)此參數是數據中的變量名稱。如果x和y觀測值嵌套在采樣單位內，則可以在此處指定這些觀測值。在通過執行對單元和觀測值(單元內)都重新采樣的多級引導程序來計算置信區間時，將考慮到這一點。否則，這不會影響回歸的估計或繪製方式。
  • seed:(可選)此參數是int，numpy.random.Generator或numpy.random.RandomState，Seed或用於可重引導的隨機數生成器。
  • order:(可選)此參數的階數大於1，使用numpy.polyfit估計多項式回歸。
  • logistic:(可選)此參數接受布爾值，如果為True，則假定y是二進製變量，並使用statsmodels估計邏輯回歸模型。請注意，這比線性回歸的計算量大得多，因此您可能希望減少引導程序重采樣(n_boot)的次數或將ci設置為None。
  • lowess:(可選)此參數接受bool值，如果為True，則使用statsmodels估計非參數的lowess模型(局部加權線性回歸)。請注意，目前無法為這種模型繪製置信區間。
  • robust:(可選)此參數接受布爾值，如果為True，則使用statsmodels估計穩健的回歸。這將是de-weight個異常值。請注意，這比標準線性回歸的計算量大得多，因此您可能希望減少引導程序重采樣的次數(n_boot)或將ci設置為None。
  • logx:(可選)此參數接受布爾值。如果為True，則估計形式為y〜log(x)的線性回歸，但在輸入空間中繪製散點圖和回歸模型。請注意，x必須為正數才能起作用。
  • {x，y} _partial：(可選)此參數是數據或矩陣中的字符串，混淆變量以在繪製之前從x或y變量中回歸。
  • truncate:(可選)此參數接受布爾值。如果為True，則回歸線受數據限製的限製。如果為False，則延伸到x軸限製。
  • {x，y} _jitter：(可選)此參數是將此大小的均勻隨機噪聲添加到x或y變量中。擬合回歸後，噪聲會添加到數據副本中，並且隻會影響散點圖的外觀。在繪製采用離散值的變量時，這可能會有所幫助。
  • {scatter，line} _kws：(可選)詞典

返回值：此方法返回上麵帶有圖的FacetGrid對象，以進行進一步調整。



注意：要下載提示數據集，請單擊此處。

以下示例說明了Seaborn庫的lmplot()方法。

範例1：帶有回歸線的散點圖(默認情況下)。

# 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()

輸出：
scatter plot

範例2：沒有回歸線的散點圖。

# 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()

輸出：
scatter plot 2

範例3：使用色相屬性的散點圖，用於根據性別對點進行著色。

# 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()

輸出：
coloured scatter plot




相關用法


注：本文由純淨天空篩選整理自AnkitRai01大神的英文原創作品 Python – seaborn.lmplot() method。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。