Seaborn Regplot

Seaborn è una biblioteca di analisi visiva a base di matplotlib. Ha un framework di alto livello per definire i grafici analitici visivamente accattivanti. Il pacchetto Matplotlib è il fondamento del modulo Seaborn. Per visualizzare le statistiche e l'analisi della regressione, utilizziamo la funzione RegPlot ().

Per valutare il modello di regressione, ci sono molti altri approcci contraddittori correlati. Ogni volta che l'output previsto è un valore cumulativo continuo e cumulativo, viene definito un modello di previsione. Possono essere impiegati numerosi altri approcci. Il più semplice dei quali è il modello lineare. Integra i valori nello spazio dimensionale superiore ottimale che passa attraverso tutti i vertici. La funzione RegPlot () viene utilizzata per creare i grafici di regressione.

L'analisi della regressione è una tecnica utilizzata per valutare le associazioni tra uno o più fattori o predittori indipendenti e gli attributi o le covariate dipendenti. Le variazioni dei requisiti in correlazione alle modifiche in determinanti specifici vengono analizzate attraverso l'analisi di regressione. Il requisito dichiarativo dei criteri dipende dagli indicatori, che forniscono il nuovo valore degli attributi dipendenti ogni volta che i punti dati vengono aggiornati. Valutazione dell'intensità delle covariate, anticipare un risultato e stimare le tre importanti applicazioni di un modello di regressione.

Esempio 1

In questo passaggio, utilizziamo il metodo RegPlot () per disegnare il diagramma di regressione del frame di dati "MPG".

Importa Seaborn come SNS
Importa matplotlib.Pyplot come Plt
Data = SNS.load_dataset ("mpg")
SNS.RegPlot (x = "mpg",
y = "accelerazione",
data = dati)
Plt.spettacolo()

All'inizio del programma, abbiamo importato i framework richiesti, Seaborn e Matplotlib.Pyplot. Seaborn è un modulo Python per la creazione di immagini numeriche. È effettivamente correlato alla libreria Matplotlib. La biblioteca Seaborn aiuta gli utenti ad accedere e valutare i dati. Tra i moduli più utilizzati per l'analisi dei dati c'è MatplotLib. Questa libreria è un pacchetto multipiattaforma che crea grafici bidimensionali utilizzando una serie di dati. Include un'interfaccia per l'integrazione dei grafici in Python Graphical Framework basato su applicazioni.

Qui, otteniamo un set di dati di "mpg" applicando il metodo load_dataset (). Questo metodo è tratto dalla biblioteca di Seaborn. La funzione RegPlot () viene impiegata per disegnare i grafici di regressione. Il modulo Seaborn contiene la funzione RegPlot (). Questo metodo contiene tre parametri. L'asse x dell'istogramma contiene i valori di MPG. Mentre l'asse y del diagramma di regressione contiene i valori di accelerazione. Alla fine, usiamo il PLT.show () funzione per rappresentare la trama.

Esempio 2

Un altro metodo di visualizzazione per pianificare il diagramma di regressione è applicando il metodo RegPlot (). Qui, utilizziamo questo metodo sul set di dati "Titanic".

Importa Seaborn come SNS
Importa matplotlib.Pyplot come Plt
Data = SNS.load_dataset ("titanic")
SNS.RegPlot (x = "Age",
y = "Fare",
data = dati,
dropna = true)
Plt.spettacolo()

Prima di tutto, integriamo i file di intestazione. La Biblioteca Seaborn è integrata come SNS e Matplotlib.Pyplot è integrato come PLT. Nel passaggio successivo, carichiamo la cornice di dati richiesta, quindi applichiamo il metodo load_dataset (). Questa funzione contiene il parametro "Titanic" in quanto vogliamo il set di dati del Titanic. Il pacchetto Seaborn contiene la funzione di load_dataset (). Nel passaggio seguente, utilizziamo la funzione RegPlot (). Questa funzione crea la visualizzazione della regressione del set di dati Titanic. La funzione contiene argomenti diversi tra cui i dati, il valore dell'asse x, dell'asse y, dei dati e dropna.

Qui, forniamo il valore dell'attributo "dropna". Specificando il parametro "dropna" su true, possiamo inserire una curvatura a un diagramma. L'asse X della mappa di regressione è etichettato come "età" e l'asse Y è etichettato come "tariffa". Il PLT.il metodo show () viene applicato per illustrare il grafico risultante.

Esempio 3

Il metodo RegPlot () della Biblioteca Seaborn può anche essere utilizzato per creare un diagramma di regressione. In questo caso, creiamo un diagramma di regressione del set di dati "Esercizio".

Importa Seaborn come SNS
Importa matplotlib.Pyplot come Plt
Data = SNS.load_dataset ("esercizio")
SNS.RegPlot (x = "id",
y = "impulso",
data = dati)
Plt.spettacolo()

Qui, introduciamo le biblioteche essenziali, Seaborn come SNS e Matplotlib.Pyplot come Plt. Applichiamo la funzione load_dataset () del modulo Seaborn per acquisire i dati "Esercizio". I dati raccolti vengono salvati nell'attributo "dati". Il diagramma di regressione viene creato usando il metodo RegPlot (). Questo metodo si trova nel pacchetto Seaborn. Questo metodo ha una variabile che rappresenta l'ID, l'impulso e i dati del grafico. Infine, per rappresentare la trama, impieghiamo il PLT.METODO SHOW ().

Esempio 4

In questo caso, il metodo RegPlot () specifica un set di dati di "attenzione" e valori sia dell'asse x che dell'asse Y.

Importa Seaborn come SNS
Importa matplotlib.Pyplot come Plt
Data = SNS.load_dataset ("attenzione")
SNS.RegPlot (x = "Solutions",
y = "punteggio",
data = dati)
Plt.spettacolo()

Iniziamo integrando i pacchetti SNS e PLT. La Biblioteca Seaborn è incorporata come SNS. Matplotlib viene utilizzato per integrare PLT. Ora recupiamo il set di dati appropriato. Di conseguenza, utilizziamo la funzione load_dataset (). Se vogliamo un database di attenzione, questo metodo ha un argomento "attenzione". Il metodo load_dataset () fa parte del pacchetto Seaborn.

Dopo questo, viene applicato il metodo RegPlot () del modulo Seaborn. Questo modulo crea il diagramma di regressione. La funzione prende i vari parametri come dati, valore dell'asse x e valore dell'asse Y. L'asse X della mappa di regressione è contrassegnata come "soluzioni" e l'asse Y è contrassegnato come "punteggio". Il diagramma di regressione ottenuto viene quindi visualizzato usando il PLT.Show () funzione.

Conclusione

In questo articolo, abbiamo parlato dei numerosi metodi per creare le trame di regressione in Seaborn. Abbiamo utilizzato il metodo RegPlot () per disegnare i grafici di regressione. Inoltre, abbiamo disegnato grafici di regressione dei diversi set di dati integrati di Seaborn. Le visualizzazioni di regressione nel pacchetto Seaborn sono progettate esclusivamente per fornire un aiuto visivo per evidenziare le caratteristiche dal set di dati durante l'esplorazione dei dati. Come suggerisce il nome, una mappa di regressione traccia un limite di regressione tra due variabili e AIDS nella rappresentazione dei coefficienti di correlazione sottostante.