Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
seaborn-doc-zh
提交
3c2337a5
S
seaborn-doc-zh
项目概览
OpenDocCN
/
seaborn-doc-zh
8 个月 前同步成功
通知
1
Star
156
Fork
58
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
S
seaborn-doc-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
未验证
提交
3c2337a5
编写于
7月 22, 2019
作者:
C
Cancan
提交者:
GitHub
7月 22, 2019
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
revise some minor typos
上级
003a1cb4
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
3 addition
and
3 deletion
+3
-3
docs/6.md
docs/6.md
+3
-3
未找到文件。
docs/6.md
浏览文件 @
3c2337a5
...
...
@@ -20,7 +20,7 @@ tips = sns.load_dataset("tips")
## 绘制线性回归模型的函数
seaborn中两个主要函数主要用于显示回归确定的线性关系。这些函数,
[
`regplot()`
](
../
generated / seaborn.regplot.html#seaborn.regplot"seaborn.regplot")和
[
`lmplot()`
](
../
generated / seaborn.lmplot.html
#seaborn.lmplot"seaborn.lmplot"), 之间密切关联,并且共享核心功能。但是,了解它们的不同之处非常重要,这样你就可以快速为特定工作选择正确的工具。
seaborn中两个主要函数主要用于显示回归确定的线性关系。这些函数,
[
`regplot()`
](
../
generated/seaborn.regplot.html#seaborn.regplot"seaborn.regplot"
)
和
[
`lmplot()`
](
../generated/seaborn.lmplot.html
#seaborn.lmplot"seaborn.lmplot"
)
, 之间密切关联,并且共享核心功能。但是,了解它们的不同之处非常重要,这样你就可以快速为特定工作选择正确的工具。
在最简单的调用中,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:
...
...
@@ -36,7 +36,7 @@ sns.lmplot(x="total_bill", y="tip", data=tips);
![
http://seaborn.pydata.org/_images/regression_8_0.png
](
img/ff165b205839381bf1fa11c2df3d176d.jpg
)
你应当注意到,除了图形形状不同,两幅结果图是完全一致的。我们会在后面解释原因。目前,要了解的另一个主要区别是
[
`regplot()`
](
../
generated / seaborn.regplot.html#seaborn.regplot"seaborn.regplot")接受多种格式的
`x`
和
`y`
变量,包括简单的numpy数组,pandas
`Series`
对象,或者作为对传递给
`data`
的pandas
`DataFrame`
对象。相反,
[
`lmplot()`
](
../
generated / seaborn.lmplot.html#seaborn.lmplot"seaborn.lmplot")将
`data`
作为必须参数,
`x`
和
`y`
变量必须被指定为字符串。这种数据格式被称为"长格式"或
[
"整齐"
](
https://vita.had.co.nz/papers/tidy-data.pdf
)
数据。 除了这种输入的灵活性之外,
[
`regplot()`
](
../
generated / seaborn.regplot.html#seaborn.regplot"seaborn.regplot")拥有
[
`lmplot()`
](
../
generated /
seaborn.lmplot.html#seaborn.lmplot"seaborn.lmplot")一个子集的功能,所以我们将使用后者来演示它们。
你应当注意到,除了图形形状不同,两幅结果图是完全一致的。我们会在后面解释原因。目前,要了解的另一个主要区别是
[
`regplot()`
](
../
generated/seaborn.regplot.html#seaborn.regplot"seaborn.regplot"
)
接受多种格式的
`x`
和
`y`
变量,包括简单的numpy数组,pandas
`Series`
对象,或者作为对传递给
`data`
的pandas
`DataFrame`
对象。相反,
[
`lmplot()`
](
../generated/seaborn.lmplot.html#seaborn.lmplot"seaborn.lmplot"
)
将
`data`
作为必须参数,
`x`
和
`y`
变量必须被指定为字符串。这种数据格式被称为"长格式"或
[
"整齐"
](
https://vita.had.co.nz/papers/tidy-data.pdf
)
数据。 除了这种输入的灵活性之外,
[
`regplot()`
](
../
generated / seaborn.regplot.html#seaborn.regplot"seaborn.regplot")拥有
[
`lmplot()`
](
../generated/
seaborn.lmplot.html#seaborn.lmplot"seaborn.lmplot"
)
一个子集的功能,所以我们将使用后者来演示它们。
当其中一个变量采用离散值时,可以拟合线性回归。但是,这种数据集生成的简单散点图通常不是最优的:
...
...
@@ -86,7 +86,7 @@ sns.lmplot(x="x", y="y", data=anscombe.query("dataset == 'II'"),
![
http://seaborn.pydata.org/_images/regression_19_0.png
](
img/af2ff74dd015731938ea83ab029d73e7.jpg
)
在这些存在高阶关系的情况下,
[
`regplot()`
](
../
generated /
seaborn.regplot.html#seaborn.regplot"seaborn.regplot")和
[
`lmplot()`
](
./generated/seaborn.regplot.html#seaborn.regplot"seaborn.regplot"
)
可以拟合多项式回归模型来探索数据集中的简单非线性趋势:
在这些存在高阶关系的情况下,
[
`regplot()`
](
../
generated/
seaborn.regplot.html#seaborn.regplot"seaborn.regplot"
)
和
[
`lmplot()`
](
./generated/seaborn.regplot.html#seaborn.regplot"seaborn.regplot"
)
可以拟合多项式回归模型来探索数据集中的简单非线性趋势:
```
python
sns
.
lmplot
(
x
=
"x"
,
y
=
"y"
,
data
=
anscombe
.
query
(
"dataset == 'II'"
),
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录