![e277978ae65d7c44c5c9622c6ed45926.png](https://i-blog.csdnimg.cn/blog_migrate/9713ba7168758e9fdb2be60ed12f0939.jpeg)
微信公众号:「Python读财」
如有问题或建议,请公众号留言
Seaborn是基于matplotlib的Python可视化库。 它提供了一个高级界面来绘制有吸引力的统计图形。Seaborn其实是在matplotlib的基础上进行了更高级的API封装,从而使得作图更加容易,不需要经过大量的调整就能使你的图变得精致。
![d90244f8591f01af28ca8b66d5ce87cf.png](https://i-blog.csdnimg.cn/blog_migrate/cc24e16fb63c8f85df2ee2a73e6155b4.jpeg)
注:所有代码均在IPython notebook中实现
lmplot(回归图)
lmplot是用来绘制回归图的,通过lmplot我们可以直观地总览数据的内在关系
先总览一下lmplot的API:
seaborn.lmplot(x, y, data, hue=None, col=None, row=None, palette=None, col_wrap=None, size=5, aspect=1, markers='o', sharex=True, sharey=True, hue_order=None, col_order=None, row_order=None, legend=True, legend_out=True, x_estimator=None, x_bins=None, x_ci='ci', scatter=True, fit_reg=True, ci=95, n_boot=1000, units=None, order=1, logistic=False, lowess=False, robust=False, logx=False, x_partial=None, y_partial=None, truncate=False, x_jitter=None, y_jitter=None, scatter_kws=None, line_kws=None)
可以看到lmplot的参数还是比较多的,接下来我们就挑一些常用的来讲一下,有一些参数会涉及到一些统计学的知识。
老套路,先导入相应的包: