如何使用Python的Seaborn可视化线性关系？

Seaborn是一个帮助可视化数据的库。其提供了定制主题和高层级接口。

当建立回归模型时，需要检查多元共线性。因为我们需要了解不同连续变量之间的相关性。如果存在变量之间的多元共线性，我们必须确保将其从数据中移除。这就是函数’regpot’和’implot’发挥作用的地方。它们帮助可视化线性回归中变量之间的线性关系。

‘regplot’函数接受’x’和’y’变量的值，同时还包括numpy数组、pandas系列对象、对pandas数据帧的变量或值的引用等不同的格式。

另一方面，函数’implot’需要用户传递一个特定的数据参数，而变量’x’和’y’的值需要是字符串。这种数据格式称为长格式数据。以下是示例 –

更多Python相关文章，请阅读：Python 教程

示例

import seaborn as sb
from matplotlib import pyplot as plt
my_df = sb.load_dataset('tips')
sb.regplot(x = "total_bill", y = "tip", data = my_df)
sb.lmplot(x = "total_bill", y = "tip", data = my_df)
plt.show()

输出

解释

• 导入所需的库
• 输入数据是从Seaborn库中加载的”tips”数据
• 此数据存储在数据帧中
• 使用’load_dataset’函数加载iris数据
• 使用’regplot’函数可视化这些数据
• 使用’implot’函数可视化这些数据
• 在此处提供数据帧作为参数
• 同时指定x和y的值
• 在控制台上显示这些数据