seaborn.residplot¶

seaborn.residplot(*, x=None, y=None, data=None, lowess=False, x_partial=None, y_partial=None, 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。

该函数将y在x上回归（可能是稳健回归或多项式回归），然后绘制残差的散点图。您可以选择将lowess平滑器拟合到残差图，这有助于确定残差是否有结构。

参数

x向量或字符串: 中的数据或列名 data 变量预测器。
y向量或字符串: 中的数据或列名 data 对于响应变量。
data数据帧，可选: 要使用的数据帧 x 和 y 是列名。
lowess布尔值，可选: 将lowess平滑器拟合到剩余散点图。
{{x, y}}_partial矩阵或字符串，可选: 第一维度与 x ，或中的列名 data . 从这些变量中移除混淆 x 或 y 打印前的变量。
order可选的: 计算残差时多项式的拟合顺序。
robust布尔值，可选: 在计算残差时拟合稳健线性回归。
dropna布尔值，可选: 如果为True，则在拟合和打印时忽略缺少数据的观测值。
label字符串，可选: 将在任何绘图图例中使用的标签。
colormatplotlib颜色，可选: 用于绘图的所有元素的颜色。
{{scatter, line}}_kws字典，可选: 传递给scatter（）和plot（）的其他关键字参数，用于绘制绘图组件。
axmatplotlib轴，可选: 绘制到该轴，否则抓住当前轴，如果不存在，则创建一个新轴。

返回

ax:matplotlib轴: 轴与回归图。

参见

regplot: 绘制一个简单的线性回归模型。
jointplot: 画一个 residplot() 单变量边际分布（与 kind="resid" ）