Zeichnen Sie den Graphen mit der Funktion seaborn.lmplot()

Das seaborn-Modul wird zum Erstellen statistischer Diagramme in Python verwendet. Es basiert auf dem Matplotlib-Modul und ist daher sehr einfach zu verwenden.

Die Funktion seaborn.lmplot() erstellt ein einfaches Scatterplot mit den gegebenen Daten auf einem FacetGrid.

Siehe den folgenden Code.

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import random

x = range(50)
y = random.sample(range(100), 50)
cat = [i for i in range(2)] * 25
df = pd.DataFrame({"x": x, "y": y, "Category": cat})

sns.lmplot(x="x", y="y", data=df, fit_reg=False, hue="Category")

Die Verwendung dieser Funktion geht jedoch über das Plotten von Streudiagrammen hinaus. Es kann auch verwendet werden, um die Beziehung zwischen den Daten zu verstehen, indem eine optionale Regressionslinie in das Diagramm gezeichnet wird. Es kann auch für die logistische Regression verwendet werden.

Im Gegensatz zur Funktion seaborn.regplot(), die auch zur einfachen Regression und zum Plotten der Daten verwendet wird, kombiniert die Funktion seaborn.lmplot() die Klasse seaborn.FacetGrid() mit der Klasse seaborn.regplot() Funktion.

Das FacetGrid() wird verwendet, um die Beziehung zwischen der Datenverteilung mit anderen Teilmengen von Daten zu visualisieren und kann verwendet werden, um Gitter für mehrere Plots zu erstellen. Es arbeitet auf drei Achsen und bietet Zeilen, Spalten und Farbtöne. Es ist sehr nützlich, wenn wir mit einem komplizierten Datensatz arbeiten.

Wir können die endgültige Figur auch mit den verschiedenen Parametern mit der Funktion seaborn.lmplot() anpassen. Die notwendigen Anpassungen, wie die Farbe des Plots, können wir als Schlüssel-Wert-Paare eines Dictionaries an die Parameter line_kws und scatter_kws liefern.

Im folgenden Code zeichnen wir mit dieser Funktion einen Graphen mit einer Regressionslinie.

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import random

x = range(50)
y = random.sample(range(100), 50)
cat = [i for i in range(2)] * 25
df = pd.DataFrame({"x": x, "y": y, "Category": cat})

sns.lmplot(x="x", y="y", data=df, hue="Category")

Beachten Sie, dass der Parameter fit_reg standardmäßig auf True gesetzt ist. Unser Datensatz hatte mehrere Kategorien, sodass wir mehrere Regressionslinien zeichnen konnten. Wenn wir den Parameter hue entfernt hätten, wäre ein einzelnes Regressionsdiagramm erhalten worden. Wir können auch viele Parameter für unsere Regression verwenden. Einige davon sind das Argument jitter, das verwendet wird, um den Daten etwas Rauschen hinzuzufügen, oder der Parameter estimator, der verwendet wird, um über einem bestimmten geschätzten Wert zu zeichnen.