---
title: 学习 pandas [01]: 数据结构
slug: series-and-dataframe
date: 2020-12-27
tags:
- Pandas
- Jupyter
- python
category: 数据分析
link: 
description: 
type: text
---

# 数据结构

pandas的数据类型主要有：

- Series，类似一维数组
- DataFrame，类似二维数组







## Series

### 创建Series

```
pd.Series(data, index=index)
```

`data`：可以是字典、一维数组、标量

`index`：索引列表，可以理解为行标签，根据`Data`的类型而不同。

#### 通过字典创建Series


```python
import numpy as np
import pandas as pd

# 通过字典创建，自动采用键值作为索引，若不指定index，则顺序同字典
d = {'b': 1, 'a': 0, 'c': 2}
s = pd.Series(d)
s
```




    b    1
    a    0
    c    2
    dtype: int64




```python
# 通过字典创建，自动采用键值作为索引，若指定index（包含键值），则顺序同index
# index中若含有字典中不存在的键值，则Series中对应的值为NaN
s = pd.Series(d, index=['a', 'b', 'c', 'd'])
s
```




    a    0.0
    b    1.0
    c    2.0
    d    NaN
    dtype: float64



#### 通过一维数组创建Series


```python
l = np.random.randn(6)

# 若不指定index，则自动生成数值型索引
s = pd.Series(l)
s
```




    0    0.215224
    1    0.803700
    2    1.141428
    3    0.526450
    4    0.577533
    5    1.051918
    dtype: float64




```python
# 若指定index，则长度必须与数组相同
s = pd.Series(l, index=['a', 'b', 'c', 'd', 'e', 'f'])
s
```




    a    0.215224
    b    0.803700
    c    1.141428
    d    0.526450
    e    0.577533
    f    1.051918
    dtype: float64



#### 通过标量值创建Series

此方法创建出的Series，每行值都相同。


```python
# 必须指定index，Series的长度按照index的长度
s = pd.Series(666, index=['a', 'b', 'c', 'd', 'e', 'f'])
s
```




    a    666
    b    666
    c    666
    d    666
    e    666
    f    666
    dtype: int64



### Series具备的方法

如果不在意索引，Series类似于NumPy数组。如果把索引当作键值，则又类似于字典。

Series所具备的方法也与NumPy数组和字典类似。

#### Series类似数组的方法

- 切片操作
- 支持大多数NumPy函数
- 矢量操作与对齐Series标签：Series之间的操作会自动基于标签对齐数据，不用顾及执行计算操作的Series是否有相同的标签


```python
# 使用numpy的exp()函数作用于每个值
s = pd.Series(l, index=['a', 'b', 'c', 'd', 'e', 'f'])
np.exp(s)
```




    a    1.240139
    b    2.233790
    c    3.131235
    d    1.692912
    e    1.781637
    f    2.863136
    dtype: float64




```python
# 两个具有不同索引标签的Series相加
s1 = pd.Series(1, index=['b', 'c', 'd', 'e', 'g'])
s + s1
```




    a         NaN
    b    1.803700
    c    2.141428
    d    1.526450
    e    1.577533
    f         NaN
    g         NaN
    dtype: float64



以上两个不同索引标签的Series相加，操作未对齐索引的Series，结果是所有涉及索引的并集。

**Pandas数据结构集成的数据对齐功能，是Pandas区别于大多数标签型数据处理工具的重要特性。**

#### Series类似字典的方法

- 使用索引标签提取值
    - 引用Series里没有的标签会触发异常
    - `get()`方法可以提取Series里没有的标签，返回`NaN`或指定默认值


```python
s['d']
```




    0.5264503416237949




```python
s.get('g', np.nan)
```




    nan



## DataFrame

### 创建DataFrame

```
pd.DataFrame(data, index=index, columns=columns)
```

`data`：可以是一维数组、二维numpy数组、列表、字典、Series字典、Series、DataFrame
`index`：行标签
`columns`：列标签

#### 通过Series字典创建DtaFrame


```python
d = {'one': pd.Series([1., 2., 3.], index=['a', 'b', 'c']),
     'two': pd.Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])}
# index、columns分别来自Series字典的索引和键值，index指定行标签顺序，columns指定列标签顺序
df = pd.DataFrame(d, index=['b', 'c', 'd', 'a'], columns=['two', 'one'])
df
```




<table>
  <thead>
    <tr>
      <th></th>
      <th>two</th>
      <th>one</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <th>b</th>
      <td>2.0</td>
      <td>2.0</td>
    </tr>
    <tr>
      <th>c</th>
      <td>3.0</td>
      <td>3.0</td>
    </tr>
    <tr>
      <th>d</th>
      <td>4.0</td>
      <td>NaN</td>
    </tr>
    <tr>
      <th>a</th>
      <td>1.0</td>
      <td>1.0</td>
    </tr>
  </tbody>
</table>



#### 通过数组字典创建DataFrame


```python
d = {'one': [1., 2., 3., 4.], 'two': [4., 3., 2., 1.]}
#  columns来自数组字典的键值，可指定顺序；index须指定，否则生成自然数索引
df = pd.DataFrame(d, index=['a', 'b', 'c', 'd'], columns=['two', 'one'])
df
```




<table>
  <thead>
    <tr>
      <th></th>
      <th>two</th>
      <th>one</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <th>a</th>
      <td>4.0</td>
      <td>1.0</td>
    </tr>
    <tr>
      <th>b</th>
      <td>3.0</td>
      <td>2.0</td>
    </tr>
    <tr>
      <th>c</th>
      <td>2.0</td>
      <td>3.0</td>
    </tr>
    <tr>
      <th>d</th>
      <td>1.0</td>
      <td>4.0</td>
    </tr>
  </tbody>
</table>



#### 通过字典列表创建DataFrame


```python
d = [{'a': 1, 'b': 2}, {'a': 5, 'b': 10, 'c': 20}]
# columns同样来自字典的键值，可指定顺序；index须指定，否则生成自然数索引
df = pd.DataFrame(d, columns=['a', 'b', 'c'], index=['two', 'one'])
df
```




<table>
  <thead>
    <tr>
      <th></th>
      <th>a</th>
      <th>b</th>
      <th>c</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <th>two</th>
      <td>1</td>
      <td>2</td>
      <td>NaN</td>
    </tr>
    <tr>
      <th>one</th>
      <td>5</td>
      <td>10</td>
      <td>20.0</td>
    </tr>
  </tbody>
</table>



#### 通过元组字典创建DataFrame

此方法可以生成多重行标签和列标签。

元组字典的key为元组，value为字典，且该字典的key也是元组。作为key的元组生成多重列标签，value字典中的key生成多重行标签


```python
d = {('a', 'b'): {('A', 'B'): 1, ('A', 'C'): 2},
     ('a', 'a'): {('A', 'C'): 3, ('A', 'B'): 4},
     ('a', 'c'): {('A', 'B'): 5, ('A', 'C'): 6},
     ('b', 'a'): {('A', 'C'): 7, ('A', 'B'): 8},
     ('b', 'b'): {('A', 'D'): 9, ('A', 'B'): 10}}
df = pd.DataFrame(d)
df
```




<table>
  <thead>
    <tr>
      <th></th>
      <th></th>
      <th colspan="3" halign="left">a</th>
      <th colspan="2" halign="left">b</th>
    </tr>
    <tr>
      <th></th>
      <th></th>
      <th>b</th>
      <th>a</th>
      <th>c</th>
      <th>a</th>
      <th>b</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <th rowspan="3" valign="top">A</th>
      <th>B</th>
      <td>1.0</td>
      <td>4.0</td>
      <td>5.0</td>
      <td>8.0</td>
      <td>10.0</td>
    </tr>
    <tr>
      <th>C</th>
      <td>2.0</td>
      <td>3.0</td>
      <td>6.0</td>
      <td>7.0</td>
      <td>NaN</td>
    </tr>
    <tr>
      <th>D</th>
      <td>NaN</td>
      <td>NaN</td>
      <td>NaN</td>
      <td>NaN</td>
      <td>9.0</td>
    </tr>
  </tbody>
</table>



### 提取DataFrame的列

类似于字典，直接用列标签索引。

### 删除DataFrame的列

两种方法：

- `del df['foo']`
- ` df.pop['foo']`

### 添加DataFrame的列

插入的列的数据类型可以是：

- Series，索引不同时以DataFrame为准
- 原始数组，长度必须与DataFrame一致
- 标量值，以广播方式填充

插入或生成新列的方法：

- 类似于字典，直接用列标签索引，默认插入在最后一列
- `insert(位置， 列标签， 数据)`，可指定列插入位置
- `assign()`方法利用现有的列生成新列，此方法返回的是副本，原始DataFrame不会变动

#### `assign()`方法举例


```python
d = {'one': [1., 2., 3., 4.], 'two': [4., 3., 2., 1.]}
df = pd.DataFrame(d, index=['a', 'b', 'c', 'd'])
df
```




<table>
  <thead>
    <tr>
      <th></th>
      <th>one</th>
      <th>two</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <th>a</th>
      <td>1.0</td>
      <td>4.0</td>
    </tr>
    <tr>
      <th>b</th>
      <td>2.0</td>
      <td>3.0</td>
    </tr>
    <tr>
      <th>c</th>
      <td>3.0</td>
      <td>2.0</td>
    </tr>
    <tr>
      <th>d</th>
      <td>4.0</td>
      <td>1.0</td>
    </tr>
  </tbody>
</table>




```python
df.assign(three=df['two']/df['one'])
```




<table>
  <thead>
    <tr>
      <th></th>
      <th>one</th>
      <th>two</th>
      <th>three</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <th>a</th>
      <td>1.0</td>
      <td>4.0</td>
      <td>4.000000</td>
    </tr>
    <tr>
      <th>b</th>
      <td>2.0</td>
      <td>3.0</td>
      <td>1.500000</td>
    </tr>
    <tr>
      <th>c</th>
      <td>3.0</td>
      <td>2.0</td>
      <td>0.666667</td>
    </tr>
    <tr>
      <th>d</th>
      <td>4.0</td>
      <td>1.0</td>
      <td>0.250000</td>
    </tr>
  </tbody>
</table>




```python
df.assign(four=lambda x: (x['two']/x['one']))
```




<table>
  <thead>
    <tr>
      <th></th>
      <th>one</th>
      <th>two</th>
      <th>four</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <th>a</th>
      <td>1.0</td>
      <td>4.0</td>
      <td>4.000000</td>
    </tr>
    <tr>
      <th>b</th>
      <td>2.0</td>
      <td>3.0</td>
      <td>1.500000</td>
    </tr>
    <tr>
      <th>c</th>
      <td>3.0</td>
      <td>2.0</td>
      <td>0.666667</td>
    </tr>
    <tr>
      <th>d</th>
      <td>4.0</td>
      <td>1.0</td>
      <td>0.250000</td>
    </tr>
  </tbody>
</table>

学习 pandas [01]: 数据结构

学习 seaborn [06]: 设置中文显示

---
title: 学习 seaborn [05]: 调色板
slug: color-seaborn
date: 2020-12-14
tags:
- seaborn
- python
category: 数据分析
link: 
description: 
type: text
---

# 选择调色板

调色板是一组颜色搭配方案，绘图时候程序从中选取颜色进行数据可视化。调色板中颜色之间的色相、饱和度、明度等差异，区别出不同系列的数据关系，因此调色板比其他元素更加影响绘图的视觉效果。

seaborn提供了一些现成的配色方案，也可以利用其提供的函数自定义调色板。



## 调色板分类

- **定性调色板**：一组在视觉上有差异的颜色，用于区分不具有内在顺序的离散数据；
- **顺序调色板**：一组视觉温度递增或递减的颜色，一般是单一色相，也可以是多种色相，用于当数据集的范围从相对低值(不感兴趣)到相对高值(很感兴趣)时；
- **发散调色板**：一组颜色的中间位置颜色的视觉温度最亮或最暗，然后分别向两端递增或递减，用于当数据集的低值和高值都很重要，且数据集中有明确定义的中点时。

## 生成调色板的函数

### 可生成三种调色板的函数

- `color_palette()`：生成调色盘，接受所有的seaborn调色板或者matplotlib Colormap或者Color Brewer库的配色方案，返回RGB元组的列表；
- `set_palette()`：接受与`color_palette()`相同参数，设置所有图像的默认配色方案；
- `xkcd_rgb()`：使用xkcd颜色名字设置单一颜色；
- `xkcd_palette()`：使用xkcd颜色名字生成调色板，适用于各种调色板；
- `choose_colorbrewer_palette()`：通过交互式组件辅助进行Color Brewer库的配色方案选择，适用于各种调色板，只能在Jupyter Notebook中使用；

### 用于生成定性调色板的函数

- `hls_palette()`：使用hls颜色空间生成间距相等的颜色（色调变化，明度和饱和度不变），适用于**定性调色板**；
- `husl_palette()`：使用HSLuv颜色空间生成间距相等的颜色，比上述hls更符合人眼视觉感受，适用于**定性调色板**；

### 用于生成顺序调色板的函数

- `cubehelix_palette()`：使用cubehelix调色板系统生成配色方案，适合黑白打印，且对色盲友好，适用于**顺序调色板**；
- `choose_cubehelix_palette()`：通过交互式组件辅助进行cubehelix调色板的配色方案选择，只能在Jupyter Notebook中使用；
- `light_palette()`和`dark_palette()`：指定一个颜色，会由明向暗或由暗向明生成一组颜色，适用于**顺序调色板**；

### 用于生成发散调色板的函数

- `diverging_palette()`：用来创建**发散调色板**；
- `choose_diverging_palette()`：通过交互式组件辅助进行发散调色板的配色方案选择，使用HSLuv颜色空间，只能在Jupyter Notebook中使用；

## 生成调色板的方式

seaborn中生成调色板的方式大致有三种：

1. 直接指定一组颜色代码或名字，如`color_palette()`、`xkcd_palette()`；
2. 从现成的配色方案中选取，如`color_palette()`中直接使用seaborn内置配色方案，或从Color Brewer网站上挑选；
3. 利用函数生成配色方案，如`hls_palette()`、`husl_palette()`、`cubehelix_palette()`、`light_palette()`、`dark_palette()`、`diverging_palette()`。

如果绘图时没有特殊的美学需求，方便起见可以直接使用现成的配色方案。

### seaborn内置配色方案

seaborn内置配色方案有六种，下图从上到下依次为`deep`(默认), `muted`, `pastel`, `bright`, `dark`, 和`colorblind`。


```python
import seaborn as sns
%matplotlib inline

sns.set()
for i in ('deep', 'muted', 'pastel', 'bright', 'dark', 'colorblind'):
    cp = sns.color_palette(i)
    sns.palplot(cp)
```

![](https://bode-1257862934.file.myqcloud.com/img/color_1_0.png)

![](https://bode-1257862934.file.myqcloud.com/img/color_1_1.png)

![](https://bode-1257862934.file.myqcloud.com/img/color_1_2.png)

![](https://bode-1257862934.file.myqcloud.com/img/color_1_3.png)

![](https://bode-1257862934.file.myqcloud.com/img/color_1_4.png)

![](https://bode-1257862934.file.myqcloud.com/img/color_1_5.png)


### Color Brewer库中的配色方案

Color Brewer库为三种类型调色板都提供了不少美观的配色方案，并且对色盲友好。

Color Brewer库地址：http://colorbrewer2.org

登陆网站后，通过选择调色板类型，颜色数量，配色方案，会得到配色方案的名称。

![](https://bode-1257862934.file.myqcloud.com/img/colorbrewer.png)

如上图中是个顺序调色板，配色方案名字叫`PuBuGn`，颜色数量是3，传递给`color_palette()`函数，可生成对应的调色板。


```python
pc = sns.color_palette('PuBuGn', 3)
sns.palplot(pc)
```

![](https://bode-1257862934.file.myqcloud.com/img/color_3_0.png)

学习 seaborn [05]: 调色板

---
title: 学习 seaborn [04]: 修改样式、移动座标轴
slug: beautify-seaborn
date: 2020-12-11 16:23:05
tags:
- seaborn
- python
category: 数据分析
link: 
description: 
type: text
---

# 控制图像的美学样式

相比与matplotlib详细的样式设置，seaborn提供了成套的样式主题可供直接使用，同时提供高级设置接口供用户自定义主题。

以装修房子比喻，用matplotlib就像全部考自己装修，窗台、地砖、墙壁等细节都要自己考虑，费时费力但高度可定制化。而用seaborn相当于从装修公司已设计好的装修方案中挑选一个，然后还能在此基础进行部分的修改定制。

显然seaborn在效率和美观之间能达到平衡。

seaborn设置样式主要用到这几个函数：

- `axes_style()`、`set_style()`：设置图像样式，前者用于返回样式设置的参数字典；
- `plotting_context()`、`set_context()`：设置元素样式，前者用于返回样式设置的参数字典；
- `despine()`：移除座标轴或修改座标轴位置。







## 使用seaborn主题

使用`set()`函数将主题样式从matplotlib转变为seaborn默认设置，且任何时候使用`set()`函数都会恢复到seaborn默认主题设置。

## 选择seaborn图像样式主题

seaborn内置图像样式有五个：`darkgrid`(默认),`whitegrid`,`dark`,`white`,`ticks`。



```python
import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline

sns.set()
tips = pd.read_csv('seaborn-data-master/tips.csv')
```

### darkgrid（深色背景网格）（seaborn默认样式）


```python
g = sns.relplot(x='total_bill', y='tip', data=tips)
```


​    
![](https://bode-1257862934.file.myqcloud.com/img/beautify_3_0.png)
​    


### whitegrid（白色背景网格）


```python
sns.set_style('whitegrid')
g = sns.relplot(x='total_bill', y='tip', data=tips)
```


​    
![](https://bode-1257862934.file.myqcloud.com/img/beautify_5_0.png)
​    


### dark（深色背景无网格）


```python
sns.set_style('dark')
g = sns.relplot(x='total_bill', y='tip', data=tips)
```


​    
![](https://bode-1257862934.file.myqcloud.com/img/beautify_7_0.png)
​    


### white（白色背景无网格）


```python
sns.set_style('white')
g = sns.relplot(x='total_bill', y='tip', data=tips)
```


​    
![](https://bode-1257862934.file.myqcloud.com/img/beautify_9_0.png)
​    


### ticks（白色背景无网格，座标轴带刻度线）


```python
sns.set_style('ticks')
g = sns.relplot(x='total_bill', y='tip', data=tips)
```


​    
![](https://bode-1257862934.file.myqcloud.com/img/beautify_11_0.png)
​    


## 修改成套图像样式中的部分设置

使用`axes_style()`函数可返回seaborn内置图像样式的所有设置参数的字典。


```python
sns.axes_style()
```




    {'axes.facecolor': 'white',
     'axes.edgecolor': '.15',
     'axes.grid': False,
     'axes.axisbelow': True,
     'axes.labelcolor': '.15',
     'figure.facecolor': 'white',
     'grid.color': '.8',
     'grid.linestyle': '-',
     'text.color': '.15',
     'xtick.color': '.15',
     'ytick.color': '.15',
     'xtick.direction': 'out',
     'ytick.direction': 'out',
     'lines.solid_capstyle': 'round',
     'patch.edgecolor': 'w',
     'patch.force_edgecolor': True,
     'image.cmap': 'rocket',
     'font.family': ['sans-serif'],
     'font.sans-serif': ['Arial',
      'DejaVu Sans',
      'Liberation Sans',
      'Bitstream Vera Sans',
      'sans-serif'],
     'xtick.bottom': True,
     'xtick.top': False,
     'ytick.left': True,
     'ytick.right': False,
     'axes.spines.left': True,
     'axes.spines.bottom': True,
     'axes.spines.right': True,
     'axes.spines.top': True}



对以上字典中的参数进行修改，形成自定义的参数字典，然后传递给`set_style()`中的`rc`参数，自定义部分的参数值会覆盖所采用主题样式的对应设置。

如以下用法：

```
sns.set_style('darkgrid', rc={'axes.facecolor': '.9'})
```

## 选择seaborn绘图元素样式

seaborn内置绘图元素样式有四个：`paper`,`notebook`(默认),`talk`,`poster`。名称就是差别，呈现效果是线条越来越粗、字体越来越大。

### paper


```python
sns.set()  # 恢复默认设置
sns.set_context('paper')
g = sns.relplot(x='total_bill', y='tip', data=tips)
```


​    
![](https://bode-1257862934.file.myqcloud.com/img/beautify_16_0.png)
​    


### notebook（seaborn默认元素样式）


```python
sns.set_context('notebook')
g = sns.relplot(x='total_bill', y='tip', data=tips)
```


​    
![](https://bode-1257862934.file.myqcloud.com/img/beautify_18_0.png)
​    


### talk


```python
sns.set_context('talk')
g = sns.relplot(x='total_bill', y='tip', data=tips)
```


​    
![](https://bode-1257862934.file.myqcloud.com/img/beautify_20_0.png)
​    


### poster


```python
sns.set_context('poster')
g = sns.relplot(x='total_bill', y='tip', data=tips)
```


​    
![](https://bode-1257862934.file.myqcloud.com/img/beautify_22_0.png)
​    


## 修改成套元素样式中的部分设置

类似与图像样式，元素样式可通过`plotting_context()`返回样式的设置参数字典。


```python
sns.plotting_context()
```




    {'font.size': 24.0,
     'axes.labelsize': 24.0,
     'axes.titlesize': 24.0,
     'xtick.labelsize': 22.0,
     'ytick.labelsize': 22.0,
     'legend.fontsize': 22.0,
     'axes.linewidth': 2.5,
     'grid.linewidth': 2.0,
     'lines.linewidth': 3.0,
     'lines.markersize': 12.0,
     'patch.linewidth': 2.0,
     'xtick.major.width': 2.5,
     'ytick.major.width': 2.5,
     'xtick.minor.width': 2.0,
     'ytick.minor.width': 2.0,
     'xtick.major.size': 12.0,
     'ytick.major.size': 12.0,
     'xtick.minor.size': 8.0,
     'ytick.minor.size': 8.0,
     'legend.title_fontsize': 24.0}



对以上字典中的参数进行修改，形成自定义的参数字典，然后传递给set_context()中的`rc`参数，自定义部分的参数值会覆盖所采用主题样式的对应设置。

如以下用法：

```
sns.set_context('notebook', rc={'lines.linewidth': 2.5})
```

## 移除图像中上部和右部的座标轴

直接使用`despine()`函数可移除图像中上部和右部的座标轴。

由于直接使用seaborn的绘图函数，绘出的图像本就不含上部和右部的座标轴，所以`despine()`函数适用于直接用matplotlib绘图后的修改。

以下是根据seaborn手册的列子。

### 带上部和右部座标轴

```
sinplot()
```

![](https://bode-1257862934.file.myqcloud.com/img/ax.jpg)

### 移除上部和右部座标轴

```
sinplot()
sns.despine()
```

![](https://bode-1257862934.file.myqcloud.com/img/no_ax.jpg)

## 移动座标轴

使用`despine()`函数可以让坐标的主轴随着数据进行偏移，当刻度无法覆盖轴的整个范围时，`trim`参数用来限制不受影响的坐标轴的范围。

```python
sns.set()
sns.set_style('ticks')
data = np.random.normal(size=(20, 6)) + np.arange(6) / 2
sns.violinplot(data=data)
sns.despine(offset=10, trim=True)
```

![](https://bode-1257862934.file.myqcloud.com/img/beautify_28_0.png)

## 移除指定位置的座标轴


通过给`despine()`函数有`left`，`right`，`top`，`bottom`四个参数，取值为`True`和`False`，`True`意味着删除此位置的座标轴，`False`反之。其中`right`和`top`的默认值为`True`，因此直接调用`despine()`函数可以移除上部和右部的座标轴。


如果给`left`赋值`True`，则实现移除左部座标轴。

```python
sns.violinplot(data=data)
sns.despine(left=True)
```

![](https://bode-1257862934.file.myqcloud.com/img/beautify_30_0.png)
​

学习 seaborn [04]: 修改样式、移动座标轴

---
title: 学习 seaborn [03]: 线性回归图
slug: lmplot
date: 2020-12-9
tags:
- seaborn
- python
category: 数据分析
link: 
description: 
type: text
---

# 线性关系可视化

此线性可视化并非统计关系中的折线图，而是excel做图中的趋势线概念，对x、y关系进行线性拟合得到关系式，对关系式的绘图。

seaborn的线性可视化不直接提供拟合关系式的各具体参数，只绘制出趋势线和置信区间，从而引导和帮助进行数据关系探索。

主要用到两个函数：

- lmplot()：FacetGrid级函数，可绘制多子图；将data作为必须参数，x和y变量必须被指定为字符串。
- regplot()：轴级函数。x和y可以是简单的 numpy 数组，pandas Series对象，或者作为对传递给data的 pandas DataFrame对象。








```python
import seaborn as sns
import pandas as pd
import numpy as np
%matplotlib inline

sns.set()
tips = pd.read_csv('seaborn-data-master/tips.csv')
display(tips)

```



<table>
  <thead>
    <tr>
      <th></th>
      <th>total_bill</th>
      <th>tip</th>
      <th>sex</th>
      <th>smoker</th>
      <th>day</th>
      <th>time</th>
      <th>size</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <th>0</th>
      <td>16.99</td>
      <td>1.01</td>
      <td>Female</td>
      <td>No</td>
      <td>Sun</td>
      <td>Dinner</td>
      <td>2</td>
    </tr>
    <tr>
      <th>1</th>
      <td>10.34</td>
      <td>1.66</td>
      <td>Male</td>
      <td>No</td>
      <td>Sun</td>
      <td>Dinner</td>
      <td>3</td>
    </tr>
    <tr>
      <th>2</th>
      <td>21.01</td>
      <td>3.50</td>
      <td>Male</td>
      <td>No</td>
      <td>Sun</td>
      <td>Dinner</td>
      <td>3</td>
    </tr>
    <tr>
      <th>3</th>
      <td>23.68</td>
      <td>3.31</td>
      <td>Male</td>
      <td>No</td>
      <td>Sun</td>
      <td>Dinner</td>
      <td>2</td>
    </tr>
    <tr>
      <th>4</th>
      <td>24.59</td>
      <td>3.61</td>
      <td>Female</td>
      <td>No</td>
      <td>Sun</td>
      <td>Dinner</td>
      <td>4</td>
    </tr>
    <tr>
      <th>...</th>
      <td>...</td>
      <td>...</td>
      <td>...</td>
      <td>...</td>
      <td>...</td>
      <td>...</td>
      <td>...</td>
    </tr>
    <tr>
      <th>239</th>
      <td>29.03</td>
      <td>5.92</td>
      <td>Male</td>
      <td>No</td>
      <td>Sat</td>
      <td>Dinner</td>
      <td>3</td>
    </tr>
    <tr>
      <th>240</th>
      <td>27.18</td>
      <td>2.00</td>
      <td>Female</td>
      <td>Yes</td>
      <td>Sat</td>
      <td>Dinner</td>
      <td>2</td>
    </tr>
    <tr>
      <th>241</th>
      <td>22.67</td>
      <td>2.00</td>
      <td>Male</td>
      <td>Yes</td>
      <td>Sat</td>
      <td>Dinner</td>
      <td>2</td>
    </tr>
    <tr>
      <th>242</th>
      <td>17.82</td>
      <td>1.75</td>
      <td>Male</td>
      <td>No</td>
      <td>Sat</td>
      <td>Dinner</td>
      <td>2</td>
    </tr>
    <tr>
      <th>243</th>
      <td>18.78</td>
      <td>3.00</td>
      <td>Female</td>
      <td>No</td>
      <td>Thur</td>
      <td>Dinner</td>
      <td>2</td>
    </tr>
  </tbody>
</table>
<p>244 rows × 7 columns</p>



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


​    
![](https://bode-1257862934.file.myqcloud.com/img/lm_reg_2_0.png)
​    


## 添加散点分布的抖动

当一个变量采用离散值，也可以拟合线性回归，但生成的简单散点图中点元素会互相重叠，视觉上类似直线。可以给离散量添加随机抖动，以使点分布更清晰。这种抖动只影响散点分布，不影响趋势线。

`x_jitter`控制x轴方向的随机抖动


```python
g = sns.lmplot(x="size", y="tip", x_jitter=0.05, data=tips)
```


​    
![](https://bode-1257862934.file.myqcloud.com/img/lm_reg_4_0.png)
​    


或者绘制每个离散组中的观测值。

`x_estimator`转递一个函数来控制选择哪种方法进行观测值的估计，可以用平均值、中位数等。


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


![](https://bode-1257862934.file.myqcloud.com/img/lm_reg_6_0.png)
    


## 高阶关系拟合

有些数据的趋势线并非一次线性函数，可能是二次或多次函数，绘图时候需要指明趋势线的阶数。

`order`制定阶数


```python
anscombe = pd.read_csv('seaborn-data-master/anscombe.csv')
display(anscombe)
```



<table>
  <thead>
    <tr>
      <th></th>
      <th>dataset</th>
      <th>x</th>
      <th>y</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <th>0</th>
      <td>I</td>
      <td>10.0</td>
      <td>8.04</td>
    </tr>
    <tr>
      <th>1</th>
      <td>I</td>
      <td>8.0</td>
      <td>6.95</td>
    </tr>
    <tr>
      <th>2</th>
      <td>I</td>
      <td>13.0</td>
      <td>7.58</td>
    </tr>
    <tr>
      <th>3</th>
      <td>I</td>
      <td>9.0</td>
      <td>8.81</td>
    </tr>
    <tr>
      <th>4</th>
      <td>I</td>
      <td>11.0</td>
      <td>8.33</td>
    </tr>
    <tr>
      <th>5</th>
      <td>I</td>
      <td>14.0</td>
      <td>9.96</td>
    </tr>
    <tr>
      <th>6</th>
      <td>I</td>
      <td>6.0</td>
      <td>7.24</td>
    </tr>
    <tr>
      <th>7</th>
      <td>I</td>
      <td>4.0</td>
      <td>4.26</td>
    </tr>
    <tr>
      <th>8</th>
      <td>I</td>
      <td>12.0</td>
      <td>10.84</td>
    </tr>
    <tr>
      <th>9</th>
      <td>I</td>
      <td>7.0</td>
      <td>4.82</td>
    </tr>
    <tr>
      <th>10</th>
      <td>I</td>
      <td>5.0</td>
      <td>5.68</td>
    </tr>
    <tr>
      <th>11</th>
      <td>II</td>
      <td>10.0</td>
      <td>9.14</td>
    </tr>
    <tr>
      <th>12</th>
      <td>II</td>
      <td>8.0</td>
      <td>8.14</td>
    </tr>
    <tr>
      <th>13</th>
      <td>II</td>
      <td>13.0</td>
      <td>8.74</td>
    </tr>
    <tr>
      <th>14</th>
      <td>II</td>
      <td>9.0</td>
      <td>8.77</td>
    </tr>
    <tr>
      <th>15</th>
      <td>II</td>
      <td>11.0</td>
      <td>9.26</td>
    </tr>
    <tr>
      <th>16</th>
      <td>II</td>
      <td>14.0</td>
      <td>8.10</td>
    </tr>
    <tr>
      <th>17</th>
      <td>II</td>
      <td>6.0</td>
      <td>6.13</td>
    </tr>
    <tr>
      <th>18</th>
      <td>II</td>
      <td>4.0</td>
      <td>3.10</td>
    </tr>
    <tr>
      <th>19</th>
      <td>II</td>
      <td>12.0</td>
      <td>9.13</td>
    </tr>
    <tr>
      <th>20</th>
      <td>II</td>
      <td>7.0</td>
      <td>7.26</td>
    </tr>
    <tr>
      <th>21</th>
      <td>II</td>
      <td>5.0</td>
      <td>4.74</td>
    </tr>
    <tr>
      <th>22</th>
      <td>III</td>
      <td>10.0</td>
      <td>7.46</td>
    </tr>
    <tr>
      <th>23</th>
      <td>III</td>
      <td>8.0</td>
      <td>6.77</td>
    </tr>
    <tr>
      <th>24</th>
      <td>III</td>
      <td>13.0</td>
      <td>12.74</td>
    </tr>
    <tr>
      <th>25</th>
      <td>III</td>
      <td>9.0</td>
      <td>7.11</td>
    </tr>
    <tr>
      <th>26</th>
      <td>III</td>
      <td>11.0</td>
      <td>7.81</td>
    </tr>
    <tr>
      <th>27</th>
      <td>III</td>
      <td>14.0</td>
      <td>8.84</td>
    </tr>
    <tr>
      <th>28</th>
      <td>III</td>
      <td>6.0</td>
      <td>6.08</td>
    </tr>
    <tr>
      <th>29</th>
      <td>III</td>
      <td>4.0</td>
      <td>5.39</td>
    </tr>
    <tr>
      <th>30</th>
      <td>III</td>
      <td>12.0</td>
      <td>8.15</td>
    </tr>
    <tr>
      <th>31</th>
      <td>III</td>
      <td>7.0</td>
      <td>6.42</td>
    </tr>
    <tr>
      <th>32</th>
      <td>III</td>
      <td>5.0</td>
      <td>5.73</td>
    </tr>
    <tr>
      <th>33</th>
      <td>IV</td>
      <td>8.0</td>
      <td>6.58</td>
    </tr>
    <tr>
      <th>34</th>
      <td>IV</td>
      <td>8.0</td>
      <td>5.76</td>
    </tr>
    <tr>
      <th>35</th>
      <td>IV</td>
      <td>8.0</td>
      <td>7.71</td>
    </tr>
    <tr>
      <th>36</th>
      <td>IV</td>
      <td>8.0</td>
      <td>8.84</td>
    </tr>
    <tr>
      <th>37</th>
      <td>IV</td>
      <td>8.0</td>
      <td>8.47</td>
    </tr>
    <tr>
      <th>38</th>
      <td>IV</td>
      <td>8.0</td>
      <td>7.04</td>
    </tr>
    <tr>
      <th>39</th>
      <td>IV</td>
      <td>8.0</td>
      <td>5.25</td>
    </tr>
    <tr>
      <th>40</th>
      <td>IV</td>
      <td>19.0</td>
      <td>12.50</td>
    </tr>
    <tr>
      <th>41</th>
      <td>IV</td>
      <td>8.0</td>
      <td>5.56</td>
    </tr>
    <tr>
      <th>42</th>
      <td>IV</td>
      <td>8.0</td>
      <td>7.91</td>
    </tr>
    <tr>
      <th>43</th>
      <td>IV</td>
      <td>8.0</td>
      <td>6.89</td>
    </tr>
  </tbody>
</table>



```python
g = sns.lmplot(x='x', y='y', data=anscombe.query("dataset == 'II'"),
           ci=None, order=2)
```


![](https://bode-1257862934.file.myqcloud.com/img/lm_reg_9_0.png)
    


## 去除异常值绘制趋势线

数据集若存在异常值，使拟合的趋势线偏离数据的主要关系，绘图时候需要去除异常值的影响。

`robust`参数控制是否剔除异常值。如果取值`True`则采用稳健回归，剔除异常值。


```python
g = sns.lmplot(x='x', y='y', data=anscombe.query("dataset == 'III'"),
           ci=None, robust=True)
```


​    
![](https://bode-1257862934.file.myqcloud.com/img/lm_reg_11_0.png)
​    


## 绘制多子图

因为lmplot()是FacetGrid级别的函数，所以可以绘制多子图。

使用`row`、`col`参数控制行列数。

使用`hue`控制不同子集的颜色。


```python
g = sns.lmplot(x='total_bill', y='tip', hue='smoker',
           col='time', row='sex', data=tips)
```


​    
![](https://bode-1257862934.file.myqcloud.com/img/lm_reg_13_0.png)
​