python线性回归可视化_Python可视化27 | Seaborn绘制线性回归曲线,27seaborn,线型,图

本文详细介绍seaborn绘制变量之间

线型回归(linear regression)曲线

，涉及如下两个重要函数：

seaborn.regplot

seaborn.lmplot

本文速览

目录

​

1、绘图数据准备

依旧使用

鸢尾花iris

数据集，详细介绍见之前文章。

#导入本帖要用到的库，声明如下：

import matplotlib.pyplot as plt

import numpy as np

import pandas as pd

import palettable

from pandas import Series,DataFrame

from sklearn import datasets

import seaborn as sns

import palettable

#导入鸢尾花iris数据集(方法一)

#该方法更有助于理解数据集

iris=datasets.load_iris()

x, y =iris.data,iris.target

y_1 = np.array(['setosa' if i==0 else 'versicolor' if i==1 else 'virginica' for i in y])

pd_iris = pd.DataFrame(np.hstack((x, y_1.reshape(150,1))),columns=['sepal length(cm)','sepal width(cm)','petal length(cm)','petal width(cm)','class'])

#astype修改pd_iris中数据类型object为float64

pd_iris['sepal length(cm)']=pd_iris['sepal length(cm)'].astype('float64')

pd_iris['sepal width(cm)']=pd_iris['sepal width(cm)'].astype('float64')

pd_iris['petal length(cm)']=pd_iris['petal length(cm)'].astype('float64')

pd_iris['petal width(cm)']=pd_iris['petal width(cm)'].astype('float64')

#导入鸢尾花iris数据集(方法二)

#该方法有时候会卡巴斯基，所以弃而不用