Python – método seaborn.residplot()

Seaborn es una increíble biblioteca de visualización para el trazado de gráficos estadísticos en Python. Proporciona hermosos estilos predeterminados y paletas de colores para hacer que los gráficos estadísticos sean más atractivos. Está construido en la parte superior de la biblioteca matplotlib y también está estrechamente integrado a las estructuras de datos de pandas .

seaborn.residplot() :

Este método se utiliza para trazar los residuos de la regresión lineal. Este método hará una regresión de y sobre x y luego dibujará un gráfico de dispersión de los residuos. Opcionalmente, puede ajustar un suavizador lowess a la gráfica residual, lo que puede ayudar a determinar si hay una estructura para los residuales.

Sintaxis: seaborn.residplot(x, y, data=Ninguno, lowess=False, x_partial=Ninguno, y_partial=Ninguno, order=1,
   robusto=False, dropna=True, label=Ninguno, color=Ninguno, scatter_kws=Ninguno, line_kws=Ninguno, ax=Ninguno)

Parámetros: La descripción de algunos parámetros principales se da a continuación:

• x: Datos o nombre de columna en ‘datos’ para la variable predictora.
• y: Datos o nombre de columna en ‘datos’ para la variable de respuesta.
• data: (opcional) DataFrame que tiene `x` e `y` son nombres de columna.
• lowess: (opcional) ajuste un lowess más suave al diagrama de dispersión residual.
• dropna: (opcional) Este parámetro toma valor booleano. Si es Verdadero, ignore las observaciones con datos faltantes al ajustar y trazar.

Retorno: Ejes con el gráfico de regresión.

A continuación se muestra la implementación del método anterior:

Ejemplo 1:

# importing required packages
import seaborn as sns
import matplotlib.pyplot as plt
  
# loading dataset
data = sns.load_dataset("tips")
  
# draw residplot
sns.residplot(x = "total_bill",
              y = "tip",
              data = data)
  
# show the plot
plt.show()
  
# This code is contributed
# by Deepanshu Rustagi.

Producción:

Ejemplo 2:

# importing required packages
import seaborn as sns
import matplotlib.pyplot as plt
  
# loading dataset
data = sns.load_dataset("iris")
  
# draw residplot
# with lowess = True
sns.residplot(x = "petal_length",
              y = "petal_width",
              data = data,
              lowess = True)
  
# show the plot
plt.show()
  
# This code is contributed
# by Deepanshu Rustagi.

Producción: