Seaborn 回归(Regression)及矩阵(Matrix)绘图-编程知识

Seaborn中的回归包括回归拟合曲线图以及回归误差图。
Matrix图主要是热度图。

1. 回归及矩阵绘图API概述

seaborn中“回归”绘图函数共3个：

lmplot（回归统计绘图）：figure级regplot函数，绘图同regplot完全相同。(lm指linear model)
+ regplot：axes级函数。绘制线性回归拟合。
+ residplot：axes级函数。绘制线性回归的误差图。（不能用lmplot绘制resid图）

seaborn中矩阵绘图函数共有2个：

heatmap：axes级函数。热度图，绘制一个颜色块矩阵。
clustermap：figure级函数。聚合热度图，绘制一个分层聚合的热度图。

figure级函数与axes级函数区别见Seaborn系列（一）：绘图基础、函数分类、长短数据类型支持

2. 回归统计绘图

2.1 lmplot、regplot绘图

sns.lmplot(x=None,y=None,data=None):绘制线性回归拟合图，返回FacetGrid
sns.regplot(x=None,y=None,data=None)绘制线性回归拟合图，返回Axes
- hue：分系列用不同的颜色绘制
- col,row：指定参数不同值绘制到不同的行或列。
- ci=95：置信区间的大小，取值0-100
- order：指定拟合多项式阶数
- scatter:是否绘制散点图
- x_jitter,y_jitter:为x变量或y变量添加随机噪点。会导致绘制的散点移动，不会改变原始数据。
- x_estimator：参数值为函数，如np.mean。对每个x值的所有y值用函数计算，绘制得到的点，并绘制误差线。
- x_bins：当x不是离散值时x_estimator可以配合x_bins指定计算点和误差线数量
- robust：对异常值降低权重
- logistic：logistic=True时，假设y取值只有2个比如True和False，并用statsmodels中的逻辑回归模型回归。

sns.lmplot(data=tips, x="total_bill", y="tip")

hue、col、row参数与其他函数用法相同

sns.lmplot(data=tips, x="total_bill", y="tip", hue="sex", col="smoker")

图中拟合直线旁边透明颜色带是回归估计的置信区间，默认置信区间为95%。ci参数可以设置置信区间，ci取None则不绘制置信区间。

sns.lmplot(data=tips, x="total_bill", y="tip", ci=50)

sns.lmplot(data=tips, x="total_bill", y="tip", order=3)

sns.lmplot(data=tips, x="total_bill", y="tip", scatter=False)

x_jitter会随机改变图中散点的x坐标，y_jitter会随机改变图中散点的y坐标。

sns.lmplot(data=tips, x="total_bill", y="tip", y_jitter=10)

sns.lmplot(data=tips, x="total_bill", y="tip", x_estimator=np.mean, x_bins=4)

robust参数为True时，会降低异常值的权重，在需要剔除异常值时，非常有用。
但是使用robust后，计算量会比较大，通常建议取ci=None加速。
注意robust参数需要安装statsmodels模块。

<span style="color:#333333"><span style="background-color:#f9f5e9"><code>import matplotlib.pyplot as plt
import seaborn as sns
ans = sns.load_dataset("anscombe")
dat = ans.loc[ans.dataset == "III"]sns.lmplot(data=dat, x="x", y="y", robust=True, ci=None)plt.show()
</code></span></span>

2.2 residplot绘图

sns.residplot(x=None,y=None,data=None)绘制线性回归拟合图的残差
- order：回归拟合阶数
- robust：对异常值降低权重
- dropna：忽略空值

<span style="color:#333333"><span style="background-color:#f9f5e9"><code>sns.residplot(data=tips, x="total_bill", y="tip")
</code></span></span>

3. 矩阵图

3.1 heatmap热力图

sns.residplot(data):绘制热力图
- annot：在单元格内显示数据。
- fmt：设置annot参数数据显示格式。
- cbar：是否显示颜色条。
- cmap：设置colormap。
- square：单元格是否方形。
- linewidths：设置单元格线条宽度。
- linecolor：设置单元格线条颜色。

<span style="color:#333333"><span style="background-color:#f9f5e9"><code>import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
data = np.random.rand(10, 10)sns.heatmap(data=data)plt.show()
</code></span></span>

<span style="color:#333333"><span style="background-color:#f9f5e9"><code>sns.heatmap(data=data, annot=True, fmt=".2f")
</code></span></span>

<span style="color:#333333"><span style="background-color:#f9f5e9"><code>sns.heatmap(data=data, cmap="hsv", cbar=False, linewidths=0.5, linecolor="w")
</code></span></span>

3.2 clustermap分层聚合热力图

<span style="color:#333333"><span style="background-color:#f9f5e9"><code>import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
data = np.random.rand(10, 10)sns.clustermap(data=data)plt.show()
</code></span></span>