【Python可视化5】Seaborn之线性回归
Seaborn是基于matplotlib的Python可视化库。它提供了一个高级界面来绘制有吸引力的统计图形。Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，不需要经过大量的调整就能使你的图变得精致。但应强调的是，应该把Seaborn视为matplotlib的补充，而不是替代物。
注：所有代码均在IPython notebook中实现
lmplot(回归图)
lmplot是用来绘制回归图的，通过lmplot我们可以直观地总览数据的内在关系
先总览一下stripplot的API：
seaborn.lmplot(x, y, data, hue=None, col=None, row=None, palette=None, col_wrap=None, size=5, aspect=1, markers='o', sharex=True, sharey=True, hue_order=None, col_order=None, row_order=None, legend=True, legend_out=True, x_estimator=None, x_bins=None, x_ci='ci', scatter=True, fit_reg=True, ci=95, n_boot=1000, units=None, order=1, logistic=False, lowess=False, robust=False, logx=False, x_partial=None, y_partial=None, truncate=False, x_jitter=None, y_jitter=None, scatter_kws=None, line_kws=None)
可以看到lmplot的参数还是比较多的，接下来我们就挑一些常用的来讲一下，有一些参数会涉及到一些统计学的知识。
老套路，先导入相应的包：
1import seaborn as sns
2%matplotlib inline
3sns.set(font_scale=1.5,style="white")本次试用的数据集是Seaborn内置的tips小费数据集：
1data=sns.load_dataset("tips")
2data.head(5) 
我们先来看一下lmplot是什么样的
1sns.lmplot(x="total_bill",y="tip",
2 data=data)
可以看到lmplot对所选数据集进行了一元线性回归，拟合出了一条最佳的直线，
接下来进入具体参数的演示。
col:根据所指定属性在列上分类
row:根据所指定属性在行上分类
1sns.lmplot(x="total_bill",y="tip",
2 data=data,row="sex",
3 col="smoker")
结合我们的数据集，看上图的横纵坐标就可以明白这两个参数的用法
col_wrap:指定每行的列数，最多等于col参数所对应的不同类别的数量
1sns.lmplot(x="total_bill",y="tip",
2 data=data,col="day",
3 col_wrap=4) 
1sns.lmplot(x="total_bill",y="tip",
2 data=data,col="day",
3 col_wrap=2) 
aspect:控制图的长宽比
1sns.lmplot(x="total_bill",y="tip",
2 data=data,aspect=1)
#长度比宽度等于一比一，即正方形
1sns.lmplot(x="total_bill",y="tip",
2 data=data,aspect=1.5)
3#长度比宽度等于1:1.5，可以看到横轴更长一点
sharex:共享x轴刻度（默认为True）
sharey:共享y轴刻度（默认为True）
1sns.lmplot(x="total_bill",y="tip",
2 data=data,row="sex",
3 col="smoker",sharex=False)
4#可以看到设置为False时，各个子图的x轴的
5#坐标刻度是不一样的
hue:用于分类
1sns.lmplot(x="total_bill",y="tip",
2 data=data,hue="sex",
3 palette="husl") 
ci:控制回归的置信区间（有学过统计学的同学们应该都是知道滴）
1sns.lmplot(x="total_bill",y="tip",
2 data=data,ci=0.95)
3#采用α=0.05的置信区间
x_jitter:给x轴随机增加噪音点
y_jitter:给y轴随机增加噪音点
设置这两个参数不影响最后的回归直线
1sns.lmplot(x="size",y="tip",
2 data=data,x_jitter=False) 
1sns.lmplot(x="size",y="tip",
2 data=data,x_jitter=True)
#可以看到刚才的一列一列的数据点被随机
#打乱了，但不会影响到最后的回归直线
order:控制进行回归的幂次（一次以上即是多项式回归）
1sns.lmplot(x="total_bill",y="tip",
2 data=data,order=1)
#一元线性回归
1sns.lmplot(x="total_bill",y="tip",
2 data=data,order=2)
3#次数最高为2
1sns.lmplot(x="total_bill",y="tip",
2 data=data,order=3)
3#次数最高为3
还有一些参数涉及到了更深入的统计学知识，在这里就不一一介绍了，有兴趣的可以自行查看官方文档！今天的演示就到此为止！