seaborn.residplot#

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)#

繪製線性回歸的殘差圖。

此函數會對 x 進行 y 的迴歸（可能是穩健或多項式迴歸），然後繪製殘差的散佈圖。您可以選擇性地將 lowess 平滑器擬合到殘差圖，這有助於確定殘差是否有結構。

參數：
dataDataFrame，選填

如果 x 和 y 是欄位名稱，則要使用的 DataFrame。

x向量或字串

預測變數的 data 中的資料或欄位名稱。

y向量或字串

響應變數的 data 中的資料或欄位名稱。

{x, y}_partial向量或字串，選填

這些變數被視為干擾因素，並在繪圖前從 x 或 y 變數中移除。

lowess布林值，選填

將 lowess 平滑器擬合到殘差散佈圖。

order整數，選填

計算殘差時要擬合的多項式次數。

robust布林值，選填

計算殘差時擬合穩健線性回歸。

dropna布林值，選填

如果為 True，則在擬合和繪圖時忽略遺失資料的觀測值。

label字串，選填

將在任何圖例中使用的標籤。

colormatplotlib 顏色，選填

用於繪圖所有元素的顏色。

{scatter, line}_kws字典，選填

傳遞給 scatter() 和 plot() 的其他關鍵字參數，用於繪製圖的組成部分。

axmatplotlib 軸，選填

繪製到此軸中，否則取得目前軸，如果不存在則建立新軸。

返回：
ax: matplotlib 軸

帶有回歸圖的軸。

另請參閱

regplot

繪製簡單的線性回歸模型。

jointplot

繪製帶有單變量邊際分佈的 residplot()（與 kind="resid" 一起使用時）。

範例

傳遞 x 和 y 以查看擬合簡單回歸模型後殘差的散佈圖

sns.residplot(data=mpg, x="weight", y="displacement")
../_images/residplot_1_0.png

殘差圖中的結構可以揭示違反線性回歸假設的情況

sns.residplot(data=mpg, x="horsepower", y="mpg")
../_images/residplot_3_0.png

移除高階趨勢以測試是否穩定殘差

sns.residplot(data=mpg, x="horsepower", y="mpg", order=2)
../_images/residplot_5_0.png

新增 LOWESS 曲線可以幫助揭示或強調結構

sns.residplot(data=mpg, x="horsepower", y="mpg", lowess=True, line_kws=dict(color="r"))
../_images/residplot_7_0.png