Matplotlib 如何根据分类输入变量可视化（绘制）回归输出？

我在做多元线性回归。在我的数据中，我有n=143特征和m=13000训练示例。我的一些功能是连续（顺序）变量（面积、年份、房间数）。但我也有分类变量（地区、颜色、类型）。现在，我把我的一些想法和预期的价格进行了对比。例如，这里是根据预测的

价格绘制的
面积
：

因为
区域
是连续的顺序变量，所以我在可视化数据时没有遇到任何问题。但现在我想以某种方式形象化我的分类变量（如地区）对预测价格的依赖性。
对于分类变量，我使用了一种热（虚拟）编码。

例如，此类数据：


转到此格式：

如果我用这种方式对地区进行顺序编码：

DistrictA - 1
DistrictB - 2
DistrictC - 3
DistrictD - 4
DistrictE - 5

我将把1-5放在X轴上，把价格放在Y轴上，很容易地把这个值与预测价格进行比较

但我使用了虚拟编码，现在我不知道如何显示（可视化）价格和分类变量‘地区’之间的依赖关系，以一系列零和一表示

在使用虚拟编码的情况下，我如何绘制区域与预测价格的回归线图？
如果您只想知道不同区域对预测的影响程度，可以直接查看经过训练的系数。高θ表示该地区提高了价格


如果要绘制此图，一种可能的方法是根据设置的区域，使用x坐标绘制散点图。
类似这样（未经测试）：

等等。
（可能需要提供与过滤数据向量大小相同的x向量。）
如果你能在x坐标上添加一点随机扰动，效果会更好。
交叉发布在Stats.SE和DataScience.SE:。请每个社区都应该有一个诚实的机会来回答这个问题，而不会浪费任何人的时间。我投票结束这个问题，因为它已经发布在多个Stack Exchange网站上。
plot.scatter(0, predict(data["DistrictA"==1]))
plot.scatter(1, predict(data["DistrictB"==1]))