4、散点图

原创

已于 2024-01-23 15:49:50 修改 · 901 阅读

19 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #数据可视化

于 2024-01-23 13:19:53 首次发布

这篇教程详细介绍了如何使用Python创建和增强散点图，用于探索变量间的关系。内容包括基本散点图、按颜色编码的散点图，以及如何利用散点图展示三个变量间的相互作用，特别是针对BMI、保险费用和吸烟状况的数据分析。通过示例代码展示了如何利用seaborn库绘制带有回归线的散点图，揭示吸烟对BMI和保险费用影响的显著差异。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

利用坐标平面来探索变量之间的关系

In this tutorial, you’ll learn how to create advanced scatter plots.

本课程数据集夸克网盘下载链接：https://pan.quark.cn/s/a235ac6b2616
提取码：1Ymk

使用的数据集为：insurance.csv

1、准备好笔记本

像往常一样，我们从设置编码环境开始。(这段代码是隐藏的，但是你可以点击右边紧挨着这段文字下面的“代码”按钮来解除隐藏。)

In [1]:

import pandas as pd
pd.plotting.register_matplotlib_converters()
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns
print("Setup Complete")
Setup Complete

2、加载并检查数据

我们将使用一个(合成的)保险费用数据集，看看我们是否能够理解为什么一些客户比其他人支付更多。
在这里插入图片描述

如果您愿意，您可以在最上面的链接里找到更多的数据集进行联系。

In [2]:

# Path of the file to read
insurance_filepath = "../input/insurance.csv"

# Read the file into a variable insurance_data
insurance_data = pd.read_csv(insurance_filepath)

像往常一样，我们通过打印前五行来检查数据集是否正确加载。

In [3]: