Python全系列 教程
3567个小节阅读:5930.1k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
线性回归图是用于可视化线性回归分析结果的图表。它通常包括散点图、回归线和误差条,以便直观地展示自变量和因变量之间的线性关系。线性回归图的主要组成部分包括:
散点图(Scatter Plot): 在图中绘制了自变量和因变量的散点,每个点代表一个观测数据。散点图帮助我们直观地观察变量之间的分布和可能的关系
回归线(Regression Line): 通过回归分析,得到了一条最佳拟合的直线,它代表了自变量和因变量之间的线性关系。回归线的斜率表示了这种关系的方向和强度
误差条(Error Bars): 误差条通常在每个点附近绘制,用于表示每个观测值的误差范围。这有助于了解拟合程度和数据的离散程度
回归方程信息: 可能包括回归方程、截距、斜率等信息,以提供更详细的模型解释
sns.regplot方法
sns.lmplot方法 支持分组、分图
注意
可能需要安装 statsmodels模块,安装完模块要重启当前的ipynb文件环境
xxxxxxxxxx
pip install statsmodels==0.14.1
xxxxxxxxxx
# sns.regplot(data=tips,x='tip',y='total_bill')
# sns.regplot(data=tips,x='tip',y='total_bill',lowess=True) # lowess=True 会显示出更平滑的曲线
# sns.regplot(data=tips,x='tip',y='total_bill',robust=True) # robust=True 降低异常值的影响
sns.regplot(data=tips,x='tip',y='total_bill',
scatter_kws={'s':50,'alpha':0.3,'color':'skyblue'},
marker='s'
) # 修改样式
# sns.lmplot(data=tips,x='tip',y='total_bill',hue='sex',col='time')
实时学习反馈
1. 在 Seaborn 中,以下哪个函数用于绘制回归图?
A sns.stripplot
B sns.violinplot
C sns.regplot
D sns.boxplot
答案
1=>C