Bemind
Учебник Python
Учебник Python
  • Python
    • Python Lists
      • Списковые включения в Python (Полное руководство с примерами)
      • Исправление ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Как добавить строку в список в Python
      • Разница между массивами и списками в Python
      • Python: Различия между списками и кортежами
      • Как проверить, пуст ли список в Python
      • Как Итерировать (Циклически Проходить) По Списку в Python
      • Python List sort(): Подробное руководство по сортировке списков
      • Python List Extend: Как добавить несколько элементов в список
      • Python: Найти Индекс Всех Вхождений Элемента в Списке
      • Конвертация списка словарей в Pandas DataFrame
      • Генерация случайных чисел в Python
      • Поиск Индекса в Списке Python: Найти Первое, Последнее или Все Вхождения
      • Добавить в начало списка в Python (Вставить в начало)
      • Найти дубликаты в списке Python
      • Python: Умножение Списков (6 Различных Способов)
      • Python списки: Полный обзор
      • Python: Выбор случайного элемента из списка
      • 4 Способа Очистить Список в Python
      • Объяснение ошибки IndexError в Python: индекс списка выходит за пределы допустимого диапазона
      • Python: Получение индекса максимального элемента в списке
      • Python: Объединение списков – Слияние списков (8 способов)
      • Python: Проверка наличия элемента в списке
      • Python: Проверка наличия элемента в списке
      • Удаление элемента из списка в Python (pop, remove, del, clear)
      • Как перевернуть список в Python (6 способов)
      • Python: Замена элемента в списке (6 различных способов)
      • Python: Удаление дубликатов из списка (7 способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Перемешать Список (Случайное Распределение Элементов Списка в Python)
      • Python: Пересечение двух списков
      • Python: Вычитание двух списков (4 простых способа!)
      • Длина или Размер Списка в Python: 5 Способов Узнать Длину Списка
      • Python: Транспонирование списка списков (5 простых способов!)
      • Python: Разделение списка (Пополам, на части)
      • Python: Комбинации списка (Получить все комбинации списка)
      • Python: Выравнивание списка списков (4 способа)
      • Разница между списками в Python: Нахождение разницы между двумя списками Python
      • Python: Найти среднее значение списка или списка списков
      • Как добавлять элементы в списки в Python – 4 простых способа!
      • Списковые включения в Python (Полное руководство с примерами)
      • 6 способов преобразовать список Python в строку
    • Python Dictionaries
      • Понимание словаря Python (с примерами)
      • Исправляем ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Преобразование JSON в словарь Python
      • Полное руководство по вложенным словарям в Python
      • Копирование словаря в Python: Полное руководство
      • Конвертация списка словарей в Pandas DataFrame
      • Поиск дубликатов в списке Python
      • Полный обзор словарей в Python
      • Python: Добавление пары Ключ:Значение в Словарь
      • Python: Сортировка словаря по значениям
      • Слияние Словарей в Python – Комбинирование Словарей (7 Способов)
      • Python: Удаление Дубликатов из Списка (7 Способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Красивая Печать Словаря (Dictionary) – 4 Способа
      • Python: Проверка пуст ли словарь (5 способов!)
      • Copy of Python: Проверка пуст ли словарь (5 способов!)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Получение Ключа Словаря с Максимальным Значением (4 Способа)
      • Python: Удаление ключа из словаря (4 разных способа)
      • Как красиво вывести JSON-файл в Python (6 методов)
    • Python Strings
      • Python Капитализация Строк: Руководство по Преобразованию слов в Заглавные
      • Python strip: Как обрезать строку в Python
      • Python Обратная Строка: Руководство по Реверсированию Строк
      • Как Удалить Префикс или Суффикс из Строки в Python
      • Преобразование строки в формат заголовка в Python с помощью str.title()
      • Как добавить строку в список в Python
      • Python String startswith: Проверка, начинается ли строка с подстроки
      • Python String endswith: Проверка того, заканчивается ли строка подстрокой
      • Как удалить первый или последний символ из строки в Python
      • Как исправить: SyntaxError в Python - EOL при сканировании строкового литерала
      • Python String Contains: Проверка Наличия Подстроки в Строке
      • Как проверить, пустая ли строка в Python
      • Python Новая Строка и Как Печатать Без Переноса Строки
      • Как Конкатенировать Строки в Python: Полное Руководство
      • Python: Подсчет слов в строке или файле
      • Как создать список алфавита в Python
      • Python: Конкатенация строки и целого числа (Int)
      • Python: Сортировка строки (4 различных способа)
      • Python zfill и rjust: Добавление нулей в строку в Python
      • Python: Целое в Двоичное (Преобразование целого числа в двоичную строку)
      • Python rfind: Нахождение индекса последней подстроки в строке
      • Python SHA256 хеширование алгоритм: объяснение
      • Python: Усечение числа с плавающей точкой (6 различных способов)
      • Выбор между методами Python isdigit(), isnumeric() и isdecimal()
      • Python: Удаление специальных символов из строки
      • Python Приведение Строки к Нижнему Регистру с помощью .lower(), .casefold(), и .islower()
      • Python программа для проверки, является ли строка палиндромом (6 методов)
      • Python: Найдите все перестановки строки (3 легких способа!)
      • Python: Удаление пунктуации из строки (3 разных способа!)
      • Python: Найти индекс (или все индексы) подстроки в строке
      • Python: Удаление символов новой строки из строки
      • Python: Удаление символа из строки (4 способа)
      • Python: Количество вхождений в строке (4 способа!)
    • Встроенные функции Python
      • abs()
      • ascii()
      • aiter()
      • all()
      • any()
      • anext()
      • bin()
      • bool()
      • breakpoint()
      • bytearray()
      • bytes()
      • callable()
      • chr()
      • classmethod()
      • compile()
      • complex()
      • delattr()
      • dict()
      • dir()
      • divmod()
      • enumerate()
      • eval()
      • exec()
      • filter()
      • float()
      • format()
      • frozenset()
      • getattr()
      • globals()
      • hasattr()
      • hash()
      • help()
      • hex()
      • id()
      • input()
      • int()
      • issubclass()
      • iter()
      • len()
      • list()
      • locals()
      • map()
      • max()
      • memoryview()
      • min()
      • next()
      • object()
      • oct()
      • open()
      • ord()
      • pow()
      • print()
      • property()
      • range()
      • repr()
      • reversed()
      • round()
      • set()
      • setattr()
      • isinstance()
      • slice()
      • zip()
      • type()
      • sorted()
      • staticmethod()
      • str()
      • sum()
      • super()
      • tuple()
      • vars()
      • import()
    • Cобеседования Python. Разбор реальных вопросов.
    • Встроенные методы в Python
  • Учебники по Pandas и Numpy
    • Numpy
      • Функция активации ReLU для глубокого обучения: полное руководство по выпрямленному линейному блоку
      • Как нормализовать массивы NumPy (минимальное-максимальное масштабирование, Z-оценка, L2)
      • NumPy where: Условная обработка элементов массива
      • NumPy linspace: создание равномерно расположенных массивов с помощью np.linspace
      • Как рассчитать векторное произведение в Python
      • Разделение NumPy: Разделение массива NumPy на части
      • NumPy: Лучшие способы применения функции к массиву
      • NumPy full: Создание массивов с заданным значением
      • NumPy clip(): Ограничьте значения массива минимальным и максимальным значениями
      • NumPy cumsum: Расчет кумулятивных сумм массивов NumPy
      • Изучаем функцию np.histogram в NumPy: создаем гистограмму
      • NumPy arange(): Полное руководство (с примерами)
      • Руководство по индексации и срезам массивов NumPy: Полное руководство
      • NumPy argmin(): Получение индекса минимального значения в массивах
      • Выравнивание массива с помощью NumPy flatten
      • Объединение массивов NumPy по различным осям с использованием функции stack
      • Удаление размерности из массивов NumPy с помощью NumPy Squeeze
      • Функция np.repeat() NumPy: Повторение массивов NumPy
      • Использование функции NumPy.exp() для вычисления экспоненты
      • Реализация функции сигмоида на Python
      • NumPy Pad: Использование np.pad() для дополнения массивов и матриц
      • np.argmax(): Как использовать NumPy Argmax
      • NumPy logspace: Понимание функции np.logspace()
      • Использование NumPy Tile для Расположения Массивов
      • NumPy Zeros: Создание массивов и матриц с нулями в NumPy
      • Использование числа Пи в Python (NumPy и Math)
      • Распределение Нормального (Гауссова) Распределения в Numpy (Случайное Нормальное в Numpy)
      • NumPy для Data Science на Python
      • Расчет скалярного произведения с использованием Numpy в Python
      • Расчет натурального логарифма на Python
    • Pandas
      • Python сводные таблицы – Полное руководство
      • Изучение API стиля Pandas
      • Объяснение группировки по нескольким столбцам в Pandas с примерами
      • Удаление индексной колонки DataFrame в Pandas: Руководство с примерами
      • Pandas Quantile: Расчет процентилей в DataFrame
      • Как рассчитать скользящее среднее (среднее арифметическое) в Pandas
      • Руководство по использованию метода fillna в Pandas для работы с отсутствующими данными в DataFrame
      • Pandas unique(): Получение уникальных значений в DataFrame
      • Распакуйте Ваши Данные с Помощью Функции Melt в Pandas
      • Pandas date_range: Как Создать Диапазон Дат в Pandas
      • Сброс индекса в Pandas: как сбросить индекс в Pandas
      • Pandas replace() – Замена значений в DataFrame Pandas
      • Перемещение столбца DataFrame Pandas на позицию (В начало и в конец)
      • Учебное пособие по Python Pandas: полное руководство
      • Pandas: Замена NaN на нули
      • Преобразование DataFrame Pandas в файл Pickle
      • Конвертация Pandas DataFrame в JSON
      • Преобразование DataFrame Pandas в Словарь
      • Преобразование Pandas DataFrame в Список
      • Чтение файлов Parquet в Pandas с помощью pd.read_parquet
      • Pandas dropna(): Удаление отсутствующих записей и столбцов в DataFrame
      • Как Добавить Новый Столбец в DataFrame Pandas
      • Подсчёт уникальных значений в Pandas
      • Отображение всех столбцов и строк в DataFrame Pandas
      • Pandas to_excel: Запись DataFrames в файлы Excel
      • Как использовать Pandas для чтения файлов Excel в Python
      • Преобразование списка словарей в Pandas DataFrame
      • Как добавить/вставить строку в DataFrame Pandas
      • Диаграмма рассеяния в Pandas: Как создать диаграмму рассеяния в Pandas
      • Pandas to_datetime: Преобразование строки Pandas в дату и время
      • Введение в Pandas для Data Science
      • Индексация, Выборка и Присваивание Данных в Pandas
      • Суммирование и Анализ Pandas DataFrame
      • Преобразование столбцов Pandas с помощью map и apply
      • Группировка данных в Pandas с использованием cut и qcut
      • Дата и время в Pandas и Python
      • Очистка и подготовка данных в Pandas и Python
      • Pandas GroupBy: группировка, суммирование и агрегация данных в Python
      • Pandas Дата и Время в Части Даты (месяц, год и т.д.)
      • Pandas: Получение номера строки из DataFrame
      • Вычисление Взвешенного Среднего в Pandas и Python
      • Как перемешать строки Pandas Dataframe в Python
      • Pandas: количество столбцов (подсчет столбцов в DataFrame)
      • Pandas Sum: сложение столбцов и строк DataFrame
      • Pandas Diff: Вычисление Разницы Между Строками Pandas
      • Нормализация столбца или датафрейма Pandas (с использованием Pandas или sklearn)
      • Функция Rank в Pandas: Ранжирование данных в Dataframe (Эквивалент SQL row_number)
      • Pandas Describe: Описательная статистика вашего Dataframe
      • Pandas Shift: Перемещение столбца DataFrame вверх или вниз
      • 7 Способов Выполнения Выборки Данных в Pandas
      • Экспорт DataFrame Pandas в CSV файл – Использование .to_csv()
      • Pandas: Итерация по строкам DataFrame в Pandas
      • Pandas: Преобразование значений столбца в строки
      • Дисперсия в Pandas: Вычисление дисперсии столбца в Pandas Dataframe
      • Pandas: Создание DataFrame из списков (5 способов!)
      • Pandas Rename Index: Как переименовать индекс DataFrame в Pandas
      • Pandas: Подсчёт уникальных значений в объекте GroupBy
      • Pandas: Добавить дни к колонке с датами
      • Среднее в Pandas: Как рассчитать среднее для одной или нескольких колонок
      • Pandas Column to List – Конвертируйте колонку Pandas в список
      • Транспонирование Dataframe в Pandas
      • Python: Разделение DataFrame Pandas
      • Как получить имена столбцов в DataFrame Pandas
      • Pandas: Количество строк в DataFrame (6 способов)
      • Создание пустого DataFrame Pandas и добавление данных
      • Как переименовать столбцы в Pandas DataFrame (с примерами)
      • Изменение порядка столбцов в Pandas: использование метода reindex и метода insert
      • Pandas get_dummies (One-Hot кодирование), объяснение
      • Относительные и Абсолютные Частоты в Python и Pandas
      • Финансовый год – Определение финансового года в Pandas
      • Как сортировать данные в DataFrame Pandas
  • Учебники Matplotlib и Seaborn
    • Seaborn
      • Регрессионные графики в Seaborn с использованием regplot и lmplot
      • Seaborn residplot – Построение остатков линейной регрессии
      • Seaborn jointplot() – Создание совместных графиков в Seaborn
      • Seaborn displot – Распределенческие графики в Python
      • Seaborn ecdfplot – Эмпирические функции накопленного распределения
      • Seaborn rugplot – Визуализация маргинальных распределений
      • Seaborn kdeplot – Создание графиков оценки плотности ядра
      • Seaborn histplot – Создание Гистограмм в Seaborn
      • Seaborn catplot – Визуализация категориальных данных в Python
      • Средняя тенденция для категориальных данных в Seaborn Pointplot
      • Seaborn stripplot: Jitter Plots для распределений категориальных данных
      • Seaborn Countplot – Подсчет категориальных данных в Python
      • Seaborn swarmplot: Bee Swarm Plots для распределения категориальных данных
      • Скрипичные графики Seaborn в Python: Полное руководство
      • Настройка расположения легенд Seaborn, меток, текста и т.д.
      • Тепловая карта Seaborn: Полное руководство
      • Создание многосекционных сеток в Seaborn с помощью FacetGrid
      • Удаление рамки в Seaborn: Как работать с рамкой
      • Заголовки и метки осей в Seaborn: добавление и настройка
      • Как установить Seaborn в Python (Исправление: no module named seaborn)
      • Seaborn relplot – Создание точечных и линейных графиков
      • Полное руководство по созданию точечных диаграмм (scatter plots) в Python с использованием Seaborn
    • Matplotlib
      • Режим Retina в Matplotlib: Улучшение Качества Графиков
      • Как построить функцию в Python с использованием Matplotlib
      • Как создать 3D-диаграммы рассеяния в Matplotlib
      • Как изменить размер шрифта в графике Matplotlib
      • Установка размера маркера в точечных диаграммах Matplotlib
      • Как изменить размер графика и фигуры в Matplotlib
      • Как добавить названия в Matplotlib: Заголовок, Подзаголовок, Названия Осей
      • Pandas Scatter Plot: Как создать диаграмму рассеяния в Pandas
      • Построение графиков в Python с помощью Matplotlib
      • Диаграммы рассеяния Matplotlib – Все, что вам нужно знать
      • Диаграммы с столбцами в Matplotlib – Узнайте все, что вам нужно знать
      • Линейные диаграммы Matplotlib – Всё, что вам нужно знать
      • Построение гистограммы в Python с Matplotlib и Pandas
  • Алгоритмы
    • Алгоритм поиска в ширину (BFS) в Python
    • Алгоритм поиска в глубину (DFS) на Python
  • AI создает хедж-фонд для анализа акций на Python
Powered by GitBook
On this page
  • Что такое остаточный участок?
  • Понимание функции Seaborn residplot
  • Построение невязок регрессии в Seaborn с помощью residplot
  • Изменение порядка остатков регрессии в residplot Seaborn
  • Добавление линии Лоусса к резидентному графику Seaborn
  • Раскраска линии Лоусса на графике проживания Seaborn
  • Настройка residplot Seaborn с помощью заголовка и меток осей
  • Заключение
  • Дополнительные ресурсы
  1. Учебники Matplotlib и Seaborn
  2. Seaborn

Seaborn residplot – Построение остатков линейной регрессии

PreviousРегрессионные графики в Seaborn с использованием regplot и lmplotNextSeaborn jointplot() – Создание совместных графиков в Seaborn

Last updated 1 year ago

В этом учебнике вы узнаете, как создать график остатков с помощью Seaborn, используя функцию sns.residplot(). Графики остатков позволяют оценить остатки аппроксимации регрессии, легко понимая их различия.

К концу этого руководства вы узнаете следующее:

  • Что такое остаточные графики и как их создать с помощью функции sns.residplot()

  • Как изменить порядок аппроксимации базовой регрессии

  • Как настроить остаточные графики в Seaborn, используя цвета и линии Lowess

Оглавление

Что такое остаточный участок?

График остатков используется для отображения остаточных значений после построения модели линейной регрессии. Это позволяет легко определить, насколько хороша подгонка модели регрессии.

На изображении ниже мы сначала строим график регрессии слева, а остатки - справа. Сравнивая два графика, можно понять, насколько полезен график остатков для лучшего понимания качества подгонки модели.

В следующем разделе вы узнаете, как понимать важные параметры функции sns.residplot().

Понимание функции Seaborn residplot

Перед тем как перейти к построению остаточных графиков, давайте на момент рассмотрим функцию sns.residplot(). Как вы можете видеть в приведенном ниже блоке кода, функция имеет множество различных параметров и аргументов по умолчанию. Хотя мы не будем исследовать их все в этом учебнике, вы узнаете о важных из них.

# Понимание функции residplot() в Seaborn
seaborn.residplot(data=None, *, x=None, y=None, x_partial=None, y_partial=None, lowess=False, order=1, robust=False, dropna=True, label=None, color=None, scatter_kws=None, line_kws=None, ax=None)

Давайте исследуем некоторые важные параметры функции

  • data: Набор данных.

  • x, y: Имена переменных в данных для осей x и y соответственно.

  • x_partial, y_partial: Дополнительные переменные для частичной регрессии.

  • lowess: Булевое значение, указывающее, следует ли применять метод низкочастотного сглаживания к отображаемым данным.

  • order: Порядок полинома для подгонки регрессионной линии.

  • robust: Булевое значение, указывающее, следует ли использовать робастные методы оценки регрессии.

  • dropna: Булевое значение, указывающее, следует ли удалять отсутствующие значения из данных.

  • label: Метка для графика.

  • color: Цвет точек на графике.

  • scatter_kws: Дополнительные параметры для управления внешним видом точек.

  • line_kws: Дополнительные параметры для управления внешним видом линии регрессии.

  • ax: Объект оси Matplotlib, на котором будет построен график.

Теперь, когда вы узнали о некоторых более важных параметрах функции, давайте перейдем к построению графика остатков.

Построение невязок регрессии в Seaborn с помощью residplot

В этом разделе вы узнаете, как построить график остатков. Давайте построим распределение и применим модель линейной регрессии, используя функцию sns.regplot(). Для этого мы воспользуемся встроенным в Seaborn набором данных 'tips'. Посмотрите на приведенный ниже блок кода, чтобы увидеть, как это можно сделать:

# Создание примера графика регрессии
import seaborn as sns
import matplotlib.pyplot as plt

# Загрузка набора данных о чаевых
df = sns.load_dataset('tips')

# Установка цветовой палитры
sns.set_palette('Set2')

# Построение графика регрессии
sns.regplot(data=df, x='total_bill', y='tip')

# Отображение графика
plt.show()

В приведенном выше блоке кода мы просим Seaborn построить график зависимости суммы счета от суммы чаевых, предполагая, что сумма счета влияет на размер чаевых. Ознакомьтесь с возвращенной ниже регрессионной моделью:

Хотя мы можем видеть, насколько далеко значения находятся от линии регрессии, это не самый интуитивно понятный способ увидеть, насколько хорошо модель соответствует данным. Вместо этого мы можем построить график остатков, который показывает остаток для каждой точки данных с использованием функции

# Создание графика остатков
import seaborn as sns
import matplotlib.pyplot as plt

# Загрузка набора данных о чаевых
df = sns.load_dataset('tips')

# Установка цветовой палитры
sns.set_palette('Set2')

# Построение графика остатков
sns.residplot(data=df, x='total_bill', y='tip')

# Отображение графика
plt.show()

В приведенном выше блоке кода мы только изменили функцию на residplot(), оставив параметры такими же. Это одно из преимуществ Seaborn: простой API для его функций во многом консистентен.

Посмотрите на график ниже, чтобы узнать, что будет возвращено:

Мы видим, что теперь появилась пунктирная горизонтальная линия. Эта линия представляет собой регрессионную модель. Каждая точка, таким образом, представлена резидуальным значением между линией и линией наилучшего соответствия. Когда значение для R-квадрата приближается к 1, значения также будут ближе к пунктирной линии.

В следующем разделе вы узнаете, как изменить порядок регрессионной модели.

Изменение порядка остатков регрессии в residplot Seaborn

Одно из преимуществ построения графика остатков заключается в том, что он может выявить несоответствие модели. Например, если регрессионная модель должна быть другого порядка, построение графика остатков подчеркнет это.

В приведенном ниже блоке кода мы загружаем новый набор данных. Затем мы строим график зависимости мощности автомобиля от его расхода топлива на галлон:

# Графики остатков могут показать подходящую аппроксимацию
import seaborn as sns
import matplotlib.pyplot as plt

# Загрузка набора данных о расходе топлива
df = sns.load_dataset('mpg')

# Установка цветовой палитры
sns.set_palette('Set2')

# Построение графика остатков для переменных 'horsepower' и 'mpg'
sns.residplot(data=df, x="horsepower", y="mpg")

# Отображение графика
plt.show()

Используя приведенный выше код, мы получаем ниже представленную визуализацию данных:

На изображении выше мы видим, что данные имеют криволинейную зависимость. По этой причине может быть более целесообразным использовать модель регрессии другого порядка.

Чтобы изменить порядок базовой модели регрессии на графике остатков в Seaborn, вы можете использовать параметр order=. Давайте изменим порядок модели на 2.

# Изменение порядка графика остатков
import seaborn as sns
import matplotlib.pyplot as plt

# Загрузка набора данных о расходе топлива
df = sns.load_dataset('mpg')

# Установка цветовой палитры
sns.set_palette('Set2')

# Построение графика остатков с порядком 2
sns.residplot(data=df, x="horsepower", y="mpg", order=2)

# Отображение графика
plt.show()

Путем изменения порядка остаточного графика мы можем увидеть, что значения графика подходят гораздо точнее, как показано на графике ниже:

В следующем разделе вы узнаете, как добавить линию Lowess к остаточному графику в Seaborn.

Добавление линии Лоусса к резидентному графику Seaborn

Seaborn позволяет добавлять линию LOWESS к residplot, используя lowess=True. Линия LOWESS (локально взвешенное сглаживание точечных диаграмм) создает гладкую линию на графике, чтобы помочь вам лучше понять взаимосвязь между двумя переменными.

Давайте посмотрим, как мы можем использовать Seaborn для добавления линии LOWESS:

# Добавление линии Lowess
import seaborn as sns
import matplotlib.pyplot as plt

# Загрузка набора данных о расходе топлива
df = sns.load_dataset('mpg')

# Установка цветовой палитры
sns.set_palette('Set2')

# Построение графика остатков с линией Lowess
sns.residplot(data=df, x="horsepower", y="mpg", lowess=True)

# Отображение графика
plt.show()

В приведенном ниже блоке кода мы построили предыдущую зависимость, используя первый порядок. Мы также попросили Seaborn построить линию lowess. Это привело к визуализации ниже:

Мы видим, что линия образует квадратичную кривую, что говорит нам о возможной необходимости использовать полином другого порядка.

В следующем разделе вы научитесь изменять цвет линии lowess.

Раскраска линии Лоусса на графике проживания Seaborn

По умолчанию Seaborn использует тот же цвет для линии LOWESS, что и для базовой диаграммы рассеяния. Это означает, что линия может быть немного трудно заметной. Для настройки параметров, таких как цвет линии LOWESS, можно использовать параметр line_kws=

Чтобы изменить цвет линии, можно передать словарь с ключевыми аргументами во внутреннюю функцию отрисовки линии. Давайте рассмотрим, как это сделать.

# Окрашивание линии Lowess
import seaborn as sns
import matplotlib.pyplot as plt

# Загрузка набора данных о расходе топлива
df = sns.load_dataset('mpg')

# Установка цветовой палитры
sns.set_palette('Set2')

# Построение графика остатков с окрашенной линией Lowess
sns.residplot(data=df, x="horsepower", y="mpg", lowess=True, line_kws={'color': 'cornflowerblue'})

# Отображение графика
plt.show()

В приведенном выше блоке кода мы использовали line_kws={'color': 'cornflowerblue'}, что указывает на то, что линия должна быть окрашена в светло-синий цвет.

Теперь мы видим, насколько легче стало разглядеть линию, что делает основные тенденции гораздо более очевидными.

Настройка residplot Seaborn с помощью заголовка и меток осей

Давайте рассмотрим, как мы можем настроить наш график, построив график в начале учебника, который содержит график регрессии и график остатков.

# Настройка графика residplot в Seaborn
import matplotlib.pyplot as plt
import seaborn as sns

# Загрузка набора данных о расходе топлива
df = sns.load_dataset('mpg')

# Установка цветовой палитры
sns.set_palette('Set2')

# Создание фигуры и подграфиков
fig, axs = plt.subplots(ncols=2)

# Построение регрессионного и остаточного графиков
sns.regplot(data=df, x="horsepower", y="mpg", order=2, ax=axs[0], line_kws={'color':'cornflowerblue'})
sns.residplot(data=df, x="horsepower", y="mpg", order=2, ax=axs[1])

# Настройка заголовка
fig.suptitle('Сравнение графиков регрессии и остатков', weight='bold')
fig.subplots_adjust(top=0.85)

# Настройка заголовков подграфиков
axs[0].set_title('График регрессии')
axs[1].set_title('График остатков')

# Настройка меток осей
for ax in axs:
    ax.set_xlabel('Лошадиные силы автомобиля')
    ax.set_ylabel('Мили на галлон')

# Настройка компактного расположения графиков
fig.tight_layout()
sns.despine()

# Отображение графиков
plt.show()

В указанном выше блоке кода мы построили два графика, используя функцию subplots(). Затем мы вывели оба графика на соответствующие объекты осей. В заключение, мы добавили заголовок и метки осей. Также мы использовали функцию убирания границ Seaborn для удаления правой и верхней границ каждого графика.

Чтобы установить общий заголовок, мы используем метод suptitle(), так как нам нужно применить заголовок ко всей фигуре. Затем мы используем метод .set_title() для каждого из объектов осей, обращаясь к индексированному значению. Наконец, мы перебираем каждую ось и используем методы .set_xlabel() и

Это возвращает изображение ниже:

Добавляя и настраивая заголовки и подписи осей, мы можем создать информативную визуализацию.

Заключение

В этом уроке вы научились создавать график остатков с использованием Seaborn, применяя функцию sns.residplot(). Графики остатков позволяют легко оценить остатки после подгонки регрессии, понимая их различия.

Сначала вы научились создавать графики остатков, используя модель простой линейной регрессии. Затем вы узнали, как изменить порядок основной регрессионной модели. После этого вы научились добавлять и настраивать линию LOWESS. Наконец, вы научились добавлять заголовок и настраивать подписи осей на графике остатков в Seaborn.

Дополнительные ресурсы

Чтобы узнать больше о связанных темах, ознакомьтесь с приведенными ниже ресурсами:

  • Диаграммы рассеяния Seaborn в Python: полное руководство

  • Линейный график Seaborn – Создавайте линейные графики с помощью Seaborn

Понимание residplots в Seaborn
Построение простого перераспределения
Создание участка проживания в Сиборне
Использование residplot Seaborn может отображать неправильный порядок
Создание резидентного графика Seaborn с другим порядком
Добавление линии Лоусса к резидентному графику Seaborn
Раскраска линии Лоусса на графике проживания Seaborn

В этом последнем разделе вы узнаете, как настраивать остаточный график Seaborn, добавляя заголовок и подписи осей. Seaborn предлагает множество возможностей для . Добавив заголовок и настроив подписи осей, вы можете сделать вашу визуализацию гораздо понятнее.

Создание индивидуального residplot в Seaborn

добавления заголовков и подписей осей
Seaborn residplot() – Официальная документация
Что такое остаточный участок?
Понимание функции Seaborn residplot
Построение невязок регрессии в Seaborn с помощью residplot
Изменение порядка остатков регрессии в residplot Seaborn
Добавление линии Лоусса к резидентному графику Seaborn
Раскраска линии Лоусса на графике проживания Seaborn
Настройка residplot Seaborn с помощью заголовка и меток осей
Заключение
Дополнительные ресурсы
Adding a Lowess Line to a Seaborn residplot
Using a Seaborn residplot Can Show Incorrect Order
Plotting a residplot in Seaborn
Plotting a Simple relplot
Creating a customized residplot in Seaborn
Creating a Seaborn residplot with a Different Order
Creating a customized residplot in Seaborn
Coloring a Lowess Line in a Seaborn residplot