本文介绍了如何使用Python进行线性相关曲线的绘制，包括基础拟合曲线、多分组拟合曲线和多变量子图拟合。通过`seaborn`库的`jointplot`和`lmplot`函数展示了不同场景下数据的相关性分析，并提供了代码示例。
原文：Python数据处理从零开始----第四章(可视化)(9)线性相关曲线www.jianshu.com
===============================================
通过python我们可以绘制两个变量的相关图，我所使用的是皮尔森相关，主要的参数是：①r相关系数②P值。一般对P值的评判标准是P< 0.05简单的相关系数的分类
0.8-1.0 极强相关
0.6-0.8 强相关
0.4-0.6 中等程度相关
0.2-0.4 弱相关
0.0-0.2 极弱相关或无相关
r描述的是两个变量间线性相关强弱的程度。r的取值在-1与+1之间，若r>0，表明两个变量是正相关，即一个变量的值越大，另一个变量的值也会越大；若r<0，表明两个变量是负相关，即一个变量的值越大另一个变量的值反而会越小。r 的绝对值越大表明相关性越强，要注意的是这里并不存在因果关系。
基础拟合曲线绘制
# -*- coding: utf-8 -*- """
最低0.47元/天 解锁文章
扫一扫
7932
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
