%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats, integrate
import seaborn as sns
import matplotlib.pyplot as plt

# seaborn中文亂碼解決方案
from matplotlib.font_manager import FontProperties
myfont=FontProperties(fname=r'C:\Windows\Fonts\simhei.ttf',size=14)
sns.set(font=myfont.get_name())
 

np.random.seed(sum(map(ord, "regression")))
tips = sns.load_dataset("tips")

線性迴歸

1、regplot()

# 簡單使用regplot()
sns.regplot(x="total_bill", y="tip", data=tips)

2、lmplot()

# 簡單使用lmplot()
sns.lmplot(x="total_bill", y="tip", data=tips)

# x_jitter 表示沿軸隨機分佈，相對避免重疊
sns.lmplot(x="size"
 
, y="tip", data=tips, x_jitter=.05)

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

擬合不同模型

anscombe = sns.load_dataset("anscombe")
anscombe[::-5]

1、lmplot()

# 原來資料還可以這樣查詢 anscombe.query("dataset == 'I'")
sns.lmplot(x="x", y="y", data=anscombe.query("dataset == 'I'"), ci=None, scatter_kws={"s": 80})
sns.lmplot(x="x", y="y", data=anscombe.query("dataset == 'II'"),ci=None, scatter_kws={"s": 80})
sns.lmplot(x="x", y="y", data=anscombe.query("dataset == 'II'"),order=2, ci=None, scatter_kws={"s": 80})
sns.lmplot(x="x", y="y", data=anscombe.query("dataset == 'III'"),ci=None, scatter_kws={"s": 80})
# robust=True 使用 robust迴歸
sns.lmplot(x="x", y="y", data=anscombe.query("dataset == 'III'"),robust=True, ci=None, scatter_kws={"s": 80})

tips["big_tip"] = (tips.tip / tips.total_bill) > .15
sns.lmplot(x="total_bill", y="big_tip", data=tips, y_jitter=.03)
# 使用邏輯迴歸
sns.lmplot(x="total_bill", y="big_tip", data=tips,logistic=True, y_jitter=.03)

# 非引數迴歸
sns.lmplot(x="total_bill", y="tip", data=tips,lowess=True)

2、regplot()

# 繪製殘差分佈
sns.residplot(x="x", y="y", data=anscombe.query("dataset == 'I'"),scatter_kws={"s": 80});

多變數關係

上面的圖表展示了許多探索一對變數之間關係的方法。很多時候，我們更關心兩個變數變化是如何影響第三個變數的。這也是lmplot()~與regplot()的區別之一。regplot()只能顯示一對變數之間的關係，而lmplot()結合了regplot()與FacetGrid，提供了一個簡單的介面，允許你探索最多其他三個分類變數的影響。

# 增加分類
sns.lmplot(x="total_bill", y="tip", hue="smoker", data=tips)

# 增加樣式
sns.lmplot(x="total_bill", y="tip", hue="smoker", data=tips, markers=["o", "x"], palette="Set1")

# 橫向增加時間變數
sns.lmplot(x="total_bill", y="tip", hue="smoker", col="time", data=tips);

# 縱向增加性別變數
sns.lmplot(x="total_bill", y="tip", hue="smoker",col="time", row="sex", data=tips);

# 分兩行顯示 col_wrap=2
sns.lmplot(x="total_bill", y="tip", col="day",col_wrap=2,data=tips)