Seaborn入门系列（五）——lmplot

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：

本次试用的数据集是Seaborn内置的tips小费数据集：

我们先来看一下lmplot是什么样的

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。

根据所指定属性在列上分类

根据所指定属性在行上分类

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

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

控制图的长宽比

共享x轴刻度（默认为True）

共享y轴刻度（默认为True）

用于分类

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）

给x轴随机增加噪音点

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

控制进行回归的幂次（一次以上即是多项式回归）

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！