使用 seaborn.lmplot() 函数绘制图形

seaborn 模块用于在 Python 中创建统计图。它建立在 matplotlib 模块之上，因此使用起来非常简单。

seaborn.lmplot() 函数使用给定的数据在 FacetGrid 上创建一个基本的散点图。

请参考以下代码。

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")

但是，此函数的使用超出了绘制散点图的范围。它还可用于通过在图中绘制可选的回归线来了解数据之间的关系。它也可以用于逻辑回归。

与也用于执行简单回归和绘制数据的 seaborn.regplot() 函数不同，seaborn.lmplot() 函数将 seaborn.FacetGrid() 与 seaborn.regplot() 结合在一起。

FacetGrid() 用于可视化数据分布与其他数据子集之间的关系，并可用于为多个图创建网格。它适用于提供行、列和色调的三个轴。当我们处理复杂的数据集时，它非常有用。

我们还可以使用 seaborn.lmplot() 函数使用不同的参数自定义最终图形。我们可以为 line_kws 和 scatter_kws 参数提供必要的自定义，例如绘图的颜色，作为字典的键值对。

在下面的代码中，我们将使用此函数绘制带有回归线的图形。

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")

请注意，fit_reg 参数默认设置为 True。我们的数据集有多个类别，因此我们能够绘制多条回归线。如果我们删除了 hue 参数，那么就会得到一个单一的回归图。我们还可以进一步使用许多参数进行回归。其中一些包括用于向数据添加一些噪声的 jitter 参数，或用于绘制给定估计值的 estimator 参数。