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)

绘制线性回归的残差图。

此函数将 y 回归到 x 上（可能作为鲁棒或多项式回归），然后绘制残差的散点图。您可以选择为残差图拟合一个低通平滑曲线，这有助于确定残差中是否存在结构。

参数：

**data**DataFrame，可选

如果 x 和 y 是列名，则使用此 DataFrame。

**x**向量或字符串

预测变量的数据或 data 中的列名。

**y**向量或字符串

响应变量的数据或 data 中的列名。

**{x, y}_partial**向量或字符串，可选

这些变量被视为混杂因素，在绘制之前从 x 或 y 变量中移除。

**lowess**布尔值，可选

为残差散点图拟合一个低通平滑曲线。

**order**整数，可选

计算残差时拟合的多项式的阶数。

**robust**布尔值，可选

计算残差时拟合鲁棒线性回归。

**dropna**布尔值，可选

如果为 True，则在拟合和绘制时忽略具有缺失数据的观测值。

**label**字符串，可选

将在任何绘图图例中使用的标签。

**color**matplotlib 颜色，可选

用于绘图所有元素的颜色。

**{scatter, line}_kws**字典，可选

传递给 scatter() 和 plot() 的其他关键字参数，用于绘制绘图的各个组件。

**ax**matplotlib 轴，可选

将绘图绘制到此轴，否则获取当前轴，或者如果不存在则新建一个轴。

返回值：

ax: matplotlib 轴

包含回归图的轴。

参见

regplot

绘制简单的线性回归模型。

jointplot

使用 kind="resid" 绘制包含单变量边缘分布的 residplot()。

示例

传递 x 和 y，以查看拟合简单回归模型后的残差散点图

sns.residplot(data=mpg, x="weight", y="displacement")

残差图中的结构可以揭示线性回归假设的违反情况

sns.residplot(data=mpg, x="horsepower", y="mpg")

移除高阶趋势以测试这是否会使残差稳定

sns.residplot(data=mpg, x="horsepower", y="mpg", order=2)

添加 LOWESS 曲线可以帮助揭示或突出结构

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