4. seaborn-线性关系可视化

Seaborn本身并不是为了统计分析而生的，seaborn中的回归图主要用于添加视觉指南，以帮助在探索性数据分析EDA中强调存在于数据集的模式。

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import warnings

sns.set(style='whitegrid', color_codes=True)
plt.rc(
    "figure",
    autolayout=True,
    figsize=(6, 5),
    titlesize=18,
    titleweight='bold',
)
plt.rc(
    "axes",
    labelweight="bold",
    labelsize="large",
    titleweight="bold",
    titlesize=16,
    titlepad=10,
)
%config InlineBackend.figure_format = 'retina'
warnings.filterwarnings('ignore')

tips = sns.load_dataset('tips',data_home='data',cache=True)
tips.head()

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4

---

绘制线性回归模型的函数

seaborn中主要通过regplot()和lmplot()两个函数来显示线性回归关系，两个函数之间共享核心功能。但是，了解两者的不同之处非常重要，这样就可以快速为特定工作选择正确的工具。

在原始调用中，两个函数都绘制了两个变量x和y，然后拟合回归模型y~x并绘制得到回归线和该回归的95%置信区间：

sns.regplot(x='total_bill', y='tip', data=tips)

<Axes: xlabel='total_bill', ylabel='tip'>

sns.lmplot(x='total_bill', y='tip', data=tips)

<seaborn.axisgrid.FacetGrid at 0x139b79510>