Python – método seaborn.regplot()

Seaborn es una biblioteca de visualización de datos de Python basada en matplotlib . Proporciona una interfaz de alto nivel para dibujar gráficos estadísticos atractivos e informativos. Seaborn ayuda a resolver los dos principales problemas que enfrenta Matplotlib; los problemas son?

• Parámetros predeterminados de Matplotlib
• Trabajar con marcos de datos

Como Seaborn complementa y amplía Matplotlib, la curva de aprendizaje es bastante gradual. Si conoce Matplotlib, ya está a la mitad de Seaborn.

seaborn.regplot() :

Este método se utiliza para trazar datos y ajustar un modelo de regresión lineal. Hay una serie de opciones mutuamente excluyentes para estimar el modelo de regresión. Para obtener más información , haga clic aquí.

Sintaxis: seaborn.regplot( x, y, data=Ninguno, x_estimator=Ninguno, x_bins=Ninguno, x_ci=’ci’, scatter=True, fit_reg=True, ci=95, n_boot=1000, units=Ninguno, order= 1, logística=falso, lowess=falso, robusto=falso, logx=falso, x_partial=ninguno, y_partial=ninguno, truncado=falso, dropna=verdadero, x_jitter=ninguno, y_jitter=ninguno, label=ninguno, color=ninguno, marcador=’o’, scatter_kws=Ninguno, line_kws=Ninguno, ax=Ninguno)

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

• x, y: estas son variables de entrada. Si son strings, estas deben corresponder con los nombres de las columnas en «datos». Cuando se utilizan objetos pandas, los ejes se etiquetarán con el nombre de la serie.
• datos:  este es un marco de datos donde cada columna es una variable y cada fila es una observación.
• lowess: (opcional) Este parámetro toma valor booleano. Si es «Verdadero», use «modelos estadísticos» para estimar un modelo de valor mínimo no paramétrico (regresión lineal ponderada localmente).
• color: (opcional) Color para aplicar a todos los elementos de la trama.
• marcador: (opcional) Marcador que se usará para los glifos del diagrama de dispersión.

Retorno: El objeto Axes que contiene el gráfico.

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("mpg")
  
# draw regplot
sns.regplot(x = "mpg", 
            y = "acceleration", 
            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("titanic")
  
# draw regplot
sns.regplot(x = "age",
            y = "fare",
            data = data,
            dropna = True)
# show the plot
plt.show()
  
# This code is contributed 
# by Deepanshu Rustagi.

Producción :

Ejemplo 3:

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

Salida :

Ejemplo 4:

# importing required packages
import seaborn as sns
import matplotlib.pyplot as plt
  
# loading dataset
data = sns.load_dataset("attention")
  
# draw regplot
sns.regplot(x = "solutions",
            y = "score",
            data = data)
  
# show ther plot
plt.show()
  
# This code is contributed 
# by Deepanshu Rustagi.

Producción :