【100天精通Python】Day72：Python可视化_一文掌握Seaborn库的使用《二》_分类数据可视化，线性模型和参数拟合的可视化，示例+代码

目录

1. 分类数据的可视化

1.1 类别散点图（Categorical Scatter Plot）

1.2 类别分布图（Categorical Distribution Plot）

1.3 类别估计图（Categorical Estimate Plot）

1.4 类别单变量图（Categorical Univariate Plot）

2. 线性模型和参数拟合可视化

2.1 线性回归模型可视化（Linear Regression Plot）

2.2 逻辑回归模型可视化（Logistic Regression Plot）

2.3 残差绘图（Residual Plot）

---

1. 分类数据的可视化

1.1 类别散点图（Categorical Scatter Plot）

        类别散点图用于显示不同类别之间的数据点分布，通常使用散点图来表示。

        Seaborn中的stripplot和swarmplot函数用于创建这种类型的图。

• 可以通过指定hue参数来根据另一个分类变量对数据进行分组，以区分更多信息。
• 使用jitter参数可以添加一些随机抖动，以避免数据点的重叠。

示例代码：

import seaborn as sns
import matplotlib.pyplot as plt

# 使用示例数据
data = sns.load_dataset("tips")

# 创建一个类别散点图
sns.stripplot(x="day", y="total_bill", data=data)

# 或者使用swarmplot
sns.swarmplot(x="day", y="total_bill", data=data)

plt.show()