用 Seaborn 做数据可视化（1）——绘图功能（4）可视化线性关系

传送门：用 Seaborn 做数据可视化（0）总章

这章篇介绍的是针对回归类型的散点数据的可视化。
seaborn 中的回归曲线图主要是用来增加一个视觉指南，有助于在探索性数据分析以强调在数据集中的模式。
这是说，seaborn本身并不进行统计分析软件包。为了获得有关回归模型的拟合定量测量，可以使用statsmodels。

1. 绘制线性回归模型的函数

可视化线性关系有两个函数可以完成：regplot() 和 implot()
返回回归曲线和 95% 置信区间（confidence interval）

1.1 regplot()

• 输入数据： 以各种格式接受x和y变量，包括numpy数组、Pandas的Series列或DataFrame对象的变量引用；

  import numpy as np
  import seaborn as sns
  import matplotlib.pyplot as plt
  
  sns.set(color_codes=True)
  
  tips = sns.load_dataset("tips")
  

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

1.2 lmplot()

• 输入数据：将数据集作为一个必需的参数，而x和y变量必须指定为字符串。这种形式的数据格式叫做“长型”或者“整洁”数据（ “long-form” or “tidy” data）。
  （regplot()可以看做是拥有lmplot()特征的子集，下面 part3有详细讲）

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

注：regplot() 和 lmplot()在输入格式上的差别：一句话，regplot()传入参数 x 和 y 即可；lmplot() 除了
x 和 y 还必须传入 data。

2. 不同情况下的使用

2.1 变量 x 是离散值

即使对于其中一个变量是离散值，也是可以正常运行。

sns.lmplot(x="size", y="tip", data=tips);

解决办法 1：一种方法是增加一些随机噪声的“抖动”(“jitter”)，让这些值的分布更加明晰。
值得注意的是，抖动仅适用于散点图数据，且不会影响拟合的回归线本身。

sns.lmplot(x="size", y="tip", data=tips, x_jitter=.05);

解决办法 2：对观察结果进行折叠，绘制中心趋势的估计（取中点进行拟合）

sns.lmplot(x="size", y="tip", data=tips, x_estimator=np.mean);

2.2 解决非简单线性关系的拟合（拟合不同的模型）

anscombe = sns.load_dataset("anscombe")

# 这个表现很好
sns.lmplot(x="x", y="y", data=anscombe.query("dataset == 'I'"),
           ci=None, scatter_kws={"s": 80});

问题：无法拟合多次项回归模型

# 使用相同的曲线就没法拟合这个数据了
sns.lmplot(x="x", y="y", data=anscombe.query("dataset == 'II'"),
           ci=None, scatter_kws={"s": 80});

解决：传入参数 order=2

# 解决：参数 order=2
sns.lmplot(x="x", y="y", data=anscombe.query("dataset == 'II'"),
           order=2, ci=None, scatter_kws={"s": 80});

2.3 离群点的问题（“outlier” observations）

sns.lmplot(x="x", y="y", data=anscombe.query("dataset == 'III'"),
           ci=None, scatter_kws={"s": 80});

解决：传入参数 robust=True

sns.lmplot(x="x", y="y", data=anscombe.query("dataset == 'III'"),
           robust=True, ci=None, scatter_kws={"s": 80});

2.4 变量 y 是离散的（二元）

tips["big_tip"] = (tips.tip / tips.total_bill) > .15
sns.lmplot(x="total_bill", y="big_tip", data=tips,
           y_jitter=.03);

解决：

sns.lmplot(x="total_bill", y="big_tip", data=tips,
           logistic=True, y_jitter=.03);

3. regplot() 和 lmplot() 真正的区别：三元及以上变量的分析

regplot() 和 lmplot() 真正的区别在于，想要加入第三个或者更多的变量的时候，只能使用后者；因为 lmplot()实际上结合了regplot() and FacetGrid。

The regplot() and lmplot() functions are closely related, but the former is an axes-level function while the latter is a figure-level function that combines regplot() and FacetGrid.

当然，方法也和之前的思路一致，使用增加 hue（增加变量/维度）、col（多图） 等参数可以做许多其他的事情。

sns.lmplot(x="total_bill", y="tip", hue="smoker", data=tips);

sns.lmplot(x="total_bill", y="tip", hue="smoker", data=tips,
           markers=["o", "x"], palette="Set1");

sns.lmplot(x="total_bill", y="tip", hue="smoker", col="time", data=tips);

sns.lmplot(x="total_bill", y="tip", hue="smoker",
           col="time", row="sex", data=tips);

4. 控制图像的大小

5. 在其它情况下绘制回归图

参考：

1. Seaborn(sns)官方文档学习笔记（第四章 线性关系的可视化）