Seaborn-线性关系

Seaborn是一个基于matplotlib的数据可视化库,它提供了一些工具用于美化matplotlib的图形界面，并且以matplotlib为基础修改控制图形外貌。本篇文章将介绍Seaborn中的线性关系绘图函数，即用于探究两个变量之间关系的工具。

注册Seaborn

在使用Seaborn之前，需要先导入Seaborn和其他必要的库：

import seaborn as sns
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

数据集

为了更好地展示Seaborn绘图函数，我们将使用一个由Seaborn提供的数据集，iris数据集，该数据集包含了三种不同种类的鸢尾（Iris）花的萼片长度、萼片宽度、花瓣长度以及花瓣宽度等信息。

iris = sns.load_dataset('iris')
iris.head()

输出结果：

   sepal_length  sepal_width  petal_length  petal_width species
0           5.1          3.5           1.4          0.2  setosa
1           4.9          3.0           1.4          0.2  setosa
2           4.7          3.2           1.3          0.2  setosa
3           4.6          3.1           1.5          0.2  setosa
4           5.0          3.6           1.4          0.2  setosa

绘图

线性回归图

首先，我们来看一下Seaborn中的线性回归图函数lmplot()，它可用于绘制两个变量的线性关系，并且自动绘制线性回归模型的置信区间。lmplot()函数还可以通过指定各种参数来自定义绘图，例如若需要根据种类将数据进行分类绘制，则可以使用hue参数：

sns.lmplot(x='petal_length', y='petal_width', data=iris, hue='species', fit_reg=True)

输出结果：

散点图

而如果我们想要简单地绘制两个变量的散点图以观察变量之间的关系，那么可以使用Seaborn中的散点图函数scatterplot()，同样的，也可以通过指定参数来自定义绘图。

sns.scatterplot(x='petal_length', y='petal_width', data=iris, hue='species')

输出结果：

总结

通过本篇文章的介绍，我们了解了如何使用Seaborn绘制线性回归图、散点图，以及如何自定义绘图。Seaborn提供了很多不同的绘图工具，并且可以灵活使用进行数据可视化，使得数据分析人员能够更好地探究数据之间的关系及趋势。