使用seaborn 下的lmplot()方法分别基于花萼和花瓣 做线性回归的可视化 (参数:data=iris, x='', y='', palette=antV, hue='Species')
时间: 2024-10-01 10:03:59 浏览: 27
利用Python进行数据可视化常见的9种方法!超实用!
在 seaborn 中,`lmplot()` 函数非常适合进行简单的线性回归可视化,同时还能展示类别之间的差异。给定的数据集通常是一个 pandas DataFrame,比如 iris 数据集,它包含了鸢尾花的不同特征。在这个例子中,你可以使用 `lmplot()` 来基于花萼(Sepal Length and Width)和花瓣(Petal Length and Width)长度或宽度做线性回归,并根据鸢尾花的物种(Species)进行区分。
下面是使用 `lmplot()` 的基本步骤:
```python
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn import datasets
# 加载 iris 数据集
iris = datasets.load_iris()
df = pd.DataFrame(data=iris.data, columns=iris.feature_names)
df['Species'] = iris.target_names[iris.target]
# 使用 lmplot 进行可视化
sns.lmplot(
data=df, # 初始数据集
x='Sepal.Length', # X轴特征(例如花萼长度)
y='Petal.Length', # Y轴特征(例如花瓣长度)
hue='Species', # 根据 'Species' 进行分类
palette=antV, # 使用特定的颜色映射,如 'antv' 或自定义颜色
scatter_kws={'alpha': 0.5}, # 点的透明度设置
fit_reg=True # 显示回归线
)
# 添加图例
plt.legend(title='Species')
# 显示图形
plt.show()
```
阅读全文