Python - seaborn.residplot() 方法

seaborn.residplot()是seaborn库中的方法之一,其可以绘制残差(residuals)的散点图(Scatter Plot)并带有一条简单的线性回归模型。

方法语法

seaborn.residplot(x=None, y=None, 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, x_estimator=None, logx=False)

方法参数

• x, y: 数据集的变量名;
• data: 数据集;
• lowess: 如果为True，则使用locally weighted polynomial regression拟合回归线。否则用普通最小二乘法拟合回归线;
• x_partial, y_partial: 在缺少$x,y$中的一个或多个变量(其他条件相等的情况下)，用于绘制残差图的回归线，取决于哪些变量在数据集中可用;
• order: 使用的回归线的阶数;
• robust: 如果为True，则使用robust regression而不是普通最小二乘法，即Huber T方法;
• dropna: 如果为True，则删除缺失值;
• label: 标签名;
• color: 颜色;
• scatter_kws: 用于散点图的其他关键字参数;
• line_kws: 用于回归线的其他关键字参数;
• ax: matplotlib轴，如果没有传递，则默认为当前轴;
• x_estimator: 使用这个函数来计算x轴变量的值，例如np.mean;
• logx: x轴是否使用对数刻度。

示例代码

import seaborn as sns
import matplotlib.pyplot as plt

%matplotlib inline

tips = sns.load_dataset("tips")

sns.residplot(x="total_bill", y="tip", data=tips)
plt.show()

运行结果

结论

seaborn.residplot()方法可以用来绘制线性回归模型的残差图。残差图是一个非常有用的工具，可以用来检查模型是否符合线性假设以及误差是否存在异方差等问题。在绘制残差图时，应注意是否需要使用低通滤波(Lowess Filter)或是让模型自行选择是否需要使用鲁棒估计(Robust Estimator)。