Visualización básica de modelos de regresión lineal con lmplot() —

• 0:00 min | Última modificación: Octubre 13, 2021 | [YouTube]

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

tips = sns.load_dataset("tips")

tips.head()

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4

#
# Regresión univariada con intervalos de confianza del 95% usando regplot()
#
sns.regplot(
    x="total_bill",
    y="tip",
    data=tips,
    marker='+',
)

plt.show()

#
# Gráfica equivalente usando lmplot()
#
sns.lmplot(
    x="total_bill",
    y="tip",
    data=tips,
    x_jitter=0.05,
)

plt.show()

#
# Regresión sobre una variable categórica
#
sns.lmplot(x="size", y="tip", data=tips,)
plt.show()

#
# Regresión sobre una variable categórica + jitter
#
sns.lmplot(x="size", y="tip", data=tips, x_jitter=.05,)
plt.show()

#
# Visualización de los datos con intervalos de confianza
#
sns.lmplot(
    x="size",
    y="tip",
    data=tips,
    x_estimator=np.mean,
)

plt.show()