散點圖

如果我們想研究兩個數字變量之間的關系，通常會選擇散點圖。在散點圖中，每個數據點都單獨表示為一個點，x 軸對應一個特征值，y 軸對應另一個特征值。創(chuàng)建散點圖的一個基本方式是利用 Matplotlib 的 scatter 函數：

plt.scatter(data = df, x = 'num_var1', y = 'num_var2')

可以在這兩個變量之間看到一個基本的正向關系，x 軸的值越高，y 軸上的變量值也增大。

替代方法

Seaborn 的 regplot 函數會創(chuàng)建散點圖并進行回歸函數擬合：

sb.regplot(data = df, x = 'num_var1', y = 'num_var2')

默認情況下，回歸函數是線性的，并包含帶陰影的回歸估計置信區(qū)域。在這種情況下，因為看起來像 log(y) ~ x 關系，因此用原始單位繪制回歸線不合適。如果我們不關心回歸線，那么可以在 regplot 函數調用中設置 reg_fit = False。否則，如果我們想對觀察到的數據關系繪制回歸線，需要變換數據，如上節(jié)課中所述。

def log_trans(x, inverse = False):

if not inverse:

return np.log10(x)

else:

return np.power(10, x)

sb.regplot(df['num_var1'], df['num_var2'].apply(log_trans))

tick_locs = [10, 20, 50, 100, 200, 500]

plt.yticks(log_trans(tick_locs), tick_locs)

注意，x 軸和 y 軸值可以直接設為 Series 或數組，而不是參考 dataframe 中的列。

為者常成，行者常至

總結

以上是生活随笔為你收集整理的python相关性分析的散点图怎么做_Python：matplotlib 和 Seaborn 之散点图和相关性 (三十二)...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。