回归图

回归图可以用StatsModels模块计算线性回归系数，再通过Matplotlib进行可视化。Seaborn中提供了一个lmplot()方法，可以根据设置调用numpy.polyfit或者StatsModels对数据进行处理和可视化。
简单的线性回归的效果如图所示。

import pandas as pd                       # 导入pandas库
import warnings                           # 载入当前版本seaborn库时会有警告出现，先载入warnings，忽略警告
import seaborn as sns                     # 导入seaborn库
import matplotlib.pyplot as plt    # 导入matplotlib库
warnings.filterwarnings("ignore")         # 忽略警告
sns.set(style="white", color_codes=True)  # 确定主题为white
iris = pd.read_csv("iris.csv")            # 读取csv数据并转为Pandas的 DataFrame格式
sns.lmplot(x="SepalLengthCm", y="SepalWidthCm", data=iris, size=5)
plt.show()

回归分析图

如果仅是简单的线性回归的话，可以通过设置jointplot()中的参数kind的值为’reg’就可以达到相同的效果

import pandas as pd                      # 导入pandas库
import warnings                          # 载入当前版本seaborn库时会有警告出现，先载入warnings，忽略警告
import seaborn as sns                    # 导入seaborn库
import matplotlib.pyplot as plt    # 导入matplotlib库
warnings.filterwarnings("ignore")         # 忽略警告
sns.set(style="white", color_codes=True)  # 确定主题为white
iris = pd.read_csv("iris.csv")            # 读取csv数据并转为Pandas的 DataFrame格式
sns.jointplot(x="SepalLengthCm", y="SepalWidthCm", data=iris, kind='reg', size=5)
plt.show()

线性回归分析图
本节只是介绍了Seaborn常用的绘图功能，还有更强大的功能可参考Seaborn官方文档中的示例进行学习和探索。