如何在Python中使用’implot’函数拟合包含离散变量的数据？

在构建回归模型时，需要检查多重共线性。这是因为我们需要了解所有不同连续变量组合之间存在的相关性。如果变量之间存在多重共线性，则必须将其从数据中删除。

这就是函数’regplot’和’implot’发挥作用的地方。它们有助于在线性回归中可视化变量之间的线性关系。

‘regplot’函数接受变量’x’和’y’的各种格式的值，包括numpy数组，pandas系列对象，对来自pandas数据帧的变量或值的引用等。

另一方面，函数’implot’需要用户传递一个特定的数据参数，并且变量’x’和’y’的值需要为字符串。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 pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
my_df = sb.load_dataset('tips')
sb.lmplot(x = "size", y = "tip", data = my_df)
plt.show()

输出

解释

• 导入所需的包。
• 输入数据是从seaborn库加载的’tips’数据。
• 此数据存储在数据框中。
• 使用’load_dataset’函数加载iris数据。
• 使用’implot’函数可视化此数据。
• 在此处，数据帧作为参数提供。
• 此外，指定了x和y值。
• 将此数据显示在控制台上。