数据可视化实例（六）： 带线性回归最佳拟合线的散点图（matplotlib，pandas）

https://datawhalechina.github.io/pms50/#/chapter3/chapter3

如果你想了解两个变量如何相互改变，那么最佳拟合线就是常用的方法。 下图显示了数据中各组之间最佳拟合线的差异。 要禁用分组并仅为整个数据集绘制一条最佳拟合线，请从下面的 sns.lmplot（）调用中删除 hue ='cyl'参数。

导入所需要的库

# 导入numpy库
import numpy as np
# 导入pandas库
import pandas as pd
# 导入matplotlib库
import matplotlib as mpl
import matplotlib.pyplot as plt
# 导入seaborn库
import seaborn as sns
# 在jupyter notebook显示图像
%matplotlib inline

设定图像各种属性

large = 22; med = 16; small = 12
            # 设置子图上的标题字体
params = {'axes.titlesize': large,
            # 设置图例的字体
          'legend.fontsize': med,
            # 设置图像的画布
          'figure.figsize': (16, 10),
            # 设置标签的字体
          'axes.labelsize': med,
            # 设置x轴上的标尺的字体
          'xtick.labelsize': med,
            # 设置整个画布的标题字体
          'ytick.labelsize': med,
          'figure.titlesize': large}
# 更新默认属性
plt.rcParams.update(params)
 # 设定整体风格
plt.style.use('seaborn-whitegrid')
# 设定整体背景风格
sns.set_style("white")

程序代码

# step1:导入数据

df = pd.read_csv("https://raw.githubusercontent.com/selva86/datasets/master/mpg_ggplot2.csv")
 
    # 选择cyl为4,8的数据集
df_select = df.loc[df.cyl.isin([4, 8]), :]

# step2：绘图

    # 设立风格
sns.set_style('white')
 
gridobj = sns.lmplot(x = 'displ',       # 横坐标
                   y = 'hwy',           # 纵坐标
                    hue = 'cyl',        # 定义被绘制数据的子集
                    data = df_select,   # 绘图所需要的数据集
                    height = 7,         # 每个子图的高度
                    aspect = 1.6,       # 每个子图的宽高比
                    robust = True,      # 抗噪声鲁棒性
                    palette = 'tab10',  # 调色板（不同层次的“色调”变量）
                    # 设置其它参数
                    scatter_kws = dict(s = 60, linewidths = .7, edgecolors = 'black'))

# step3：装饰

    # 横纵坐标范围
gridobj.set(xlim = (0.5, 7.5), ylim = (0, 50))
    # 设置标题
plt.title("Scatterplot with line of best fit grouped by number of cylinders", fontsize=20)
    # 显示图像
plt.show()

# step1:导入数据

df = pd.read_csv("https://raw.githubusercontent.com/selva86/datasets/master/mpg_ggplot2.csv")
 
    # 选择cyl为4,8的数据集
df_select = df.loc[df.cyl.isin([4, 8]), :]

# step2：绘图

    # 设立风格
sns.set_style('white')
 
gridobj = sns.lmplot(x = 'displ',       # 横坐标
                   y = 'hwy',           # 纵坐标
                    hue = 'cyl',        # 定义绘制数据的子集
                    data = df_select,   # 绘图所需要的数据集
                    height = 7,         # 每个子图的高度
                    robust = True,      # 抗噪声鲁棒性
                    palette = 'Set1',  # 调色板（不同层次的“色调”变量）
                    col = 'cyl',        # 按照类别绘制图像，一个类别一张图像
                    # 设置其它参数
                    scatter_kws = dict(s = 60, linewidths = .7, edgecolors = 'black'))

# step3：装饰

    # 横纵坐标范围
gridobj.set(xlim = (0.5, 7.5), ylim = (0, 50))
    # 设置标题
plt.title("Scatterplot with line of best fit grouped by number of cylinders", fontsize=20)
    # 显示图像
plt.show()

博文总结

索引

• .loc[ ]__标签索引
• .iloc[ ]__位置索引

sns.lmplot

• 回归模型绘制
• 参数
  • x__横坐标标称
  • y__纵坐标标称
  • hue__定义被绘制数据的子集
  • data__绘图所需要的数据集
  • height__每个子图的高度
  • aspect__每个子图的宽高比
  • palette__调色板