前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Python数据处理从零开始----第四章(可视化)(9)线性相关曲线目录

Python数据处理从零开始----第四章(可视化)(9)线性相关曲线目录

作者头像
用户1359560
发布2018-12-14 10:56:36
5690
发布2018-12-14 10:56:36
举报
文章被收录于专栏:生信小驿站生信小驿站

通过R语言我们可以绘制两个变量的相关图,我所使用的是皮尔森相关,主要的参数是:①r相关系数②P值。一般对P值的评判标准是P< 0.05

简单的相关系数的分类 0.8-1.0 极强相关 0.6-0.8 强相关 0.4-0.6 中等程度相关 0.2-0.4 弱相关 0.0-0.2 极弱相关或无相关 r描述的是两个变量间线性相关强弱的程度。r的取值在-1与+1之间,若r>0,表明两个变量是正相关,即一个变量的值越大,另一个变量的值也会越大;若r<0,表明两个变量是负相关,即一个变量的值越大另一个变量的值反而会越小。r 的绝对值越大表明相关性越强,要注意的是这里并不存在因果关系。

基础拟合曲线绘制

代码语言:javascript
复制
# -*- coding: utf-8 -*-
"""
Created on Mon Nov 19 00:57:53 2018

@author: czh
"""
# In[*]
#导入各种需要的包#
import numpy as np
import matplotlib.pyplot as plt
from scipy import optimize


import seaborn as sns
sns.set()
# In[*]


import seaborn as sns
sns.set(style="darkgrid")

tips = sns.load_dataset("tips")
g = sns.jointplot("total_bill", "tip", data=tips, kind="reg",
                  xlim=(0, 60), ylim=(0, 12), color="m", height=7)

这是通过python语言绘制的线性相关曲线拟合图,感觉比R语言在代码上更简洁,且图片能展示的信息更多。

多分组拟合曲线绘制

代码语言:javascript
复制
# -*- coding: utf-8 -*-
"""
Created on Mon Nov 19 00:57:53 2018

@author: czh
"""
# In[*]
#导入各种需要的包#
import numpy as np
import matplotlib.pyplot as plt
from scipy import optimize


import seaborn as sns
sns.set()
# In[*]
# Load the iris dataset
iris = sns.load_dataset("iris")

# Plot sepal with as a function of sepal_length across days
g = sns.lmplot(x="sepal_length", y="sepal_width",hue='species',
               truncate=True, height=5, data=iris)

# Use more informative axis labels than are provided by default
g.set_axis_labels("Sepal length (mm)", "Sepal width (mm)")
本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2018.11.19 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 通过R语言我们可以绘制两个变量的相关图,我所使用的是皮尔森相关,主要的参数是:①r相关系数②P值。一般对P值的评判标准是P< 0.05
    • 基础拟合曲线绘制
      • 多分组拟合曲线绘制
      领券
      问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档