大佬教程收集整理的这篇文章主要介绍了如何使用seaborn为数据框中的多列绘制一个线性回归散点图?,大佬教程大佬觉得挺不错的,现在分享给大家,也给大家做个参考。
假设我有一个数据框 df
,它的索引为 0 到 10,以及 4 列数据,c_1
、c_2
、c_3
和 {{1} }.当我按如下方式绘制时:
c_4
我得到一张图,上面有两个回归散点图。但是,相反,我想要一个只有一个回归散点图的图,将每个索引 sns.regplot(data=df,x='c_1',y='c_2')
sns.regplot(data=df,x='c_3',y='c_4')
和 c_1
作为 x 分别与 c_3
和 c_2
配对作为 y 值。我怎样才能做到这一点?感谢您的帮助,如果我能说得更清楚,请告诉我。
大多数 seaborn 函数使用 long-form data 效果更好。因此,我们可以重新组织数据并标记您用代码暗示的类别。然后,我们为所有数据绘制一个正则图,并在两个类别的顶部绘制一个散点图:
import pandas as pd
from matplotlib import pyplot as plt
import seaborn as sns
#generate sample data
import numpy as np
np.random.seed(123)
n = 20
df = pd.DataFrame({"c_1":np.random.random(n),"c_2":np.zeros(n),"c_3":2 * np.random.random(n) - .5,"c_4":np.zeros(n)})
df.c_2 = 2 * df.c_1 - 3 * np.random.random(n)
df.c_4 = 3 * df.c_3 - 2 * np.random.random(n)
#reformat the data for plotTing...
df_plot = df[["c_1","c_2"]].copy()
df_plot["cat"] = "set1"
df_temp = df[["c_3","c_4"]].copy()
df_temp.columns = ["c_1","c_2"]
df_temp["cat"] = "set2"
df_plot = df_plot.append(df_temp)
#...and plot
sns.regplot(data=df_plot,x='c_1',y='c_2',scatter=falsE)
sns.scatterplot(data=df_plot,x="c_1",y="c_2",hue="cat")
plt.show()
示例输出:
您可能希望为 regplot
赋予不同的颜色,以避免出现拟合线仅适用于散点图中的某些数据点的印象。
您可以为此使用子图。
import pandas as pd
from matplotlib import pyplot as plt
import seaborn as sns
plt.figure(figsize=(12,5))
#subplot(nrows,ncols,indeX)
plt.subplot(1,2,1)
sns.regplot(data=df,y='c_2')
plt.subplot(1,2)
sns.regplot(data=df,x='c_3',y='c_4')
plt.show()
尝试联合绘图
GROUP BY
以上是大佬教程为你收集整理的如何使用seaborn为数据框中的多列绘制一个线性回归散点图?全部内容,希望文章能够帮你解决如何使用seaborn为数据框中的多列绘制一个线性回归散点图?所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错,欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ:384754419,请注明来意。