回归拟合图在数据分析中具有重要作用，它不仅可以帮助我们理解变量之间的关系，还可以评估模型的拟合效果、进行预测和推断、发现异常值，以及用于模型比较和结果展示。
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt# 创建一个示例数据集
# 假设我们有一些鱼的重量和高度数据
data = {'Weight': [100, 150, 200, 250, 300, 350, 400, 450, 500], # 鱼的重量（单位：克）'Height': [10, 12, 15, 18, 20, 22, 25, 28, 30] # 鱼的高度（单位：厘米）
}# 将数据转换为 DataFrame
fish1 = pd.DataFrame(data)# 使用 Seaborn 的 regplot 绘制散点图并拟合回归线
# x: 横轴数据，这里使用鱼的重量
# y: 纵轴数据，这里使用鱼的高度
# color: 设置散点和回归线的颜色，这里使用橙色
# marker: 设置散点的形状，这里使用右三角形
sns.regplot(x=fish1['Weight'], y=fish1['Height'], color='#FF6600', marker='>')# 显示图表
plt.show()
