Plot 如何使seaborn绘图显示并考虑点的多样性

我从数据帧中提取了这两个数据列表

[5,5,5,5,4,4,5,4,4,4,4,5,5]（第1列）

[5,5,5,4,4,3,2,2,3,2,2,4,2,2,5]（第2列）

从scipy库调用stats.preasonr得到（-0.5062175977346661，0.200528064412476），表示负相关。然而，最合适的电话线

graph = sns.jointplot(x = 'col1name', y = 'col2name', data = df_name, kind = 'reg')

这是积极的。我意识到这是因为我认为最佳拟合线的计算没有考虑点的多重性。特别是，（5,2）只考虑一次，即使发生3次。那么我该怎么做呢？（a）有人可以看这个图，告诉多少学生用一个数据点表示，（b）最佳拟合线考虑了点的多重性

下面是一张情节图：

---

重合点不会被忽略。这是一个添加一些随机噪声以显示所有点的可视化，并为“col1”中的每个值标记“col2”的平均值。在应用随机抖动之前，还计算r值

从matplotlib导入pyplot作为plt
导入seaborn作为sns
作为pd进口熊猫
将numpy作为np导入
从scipy.stats导入pearsonr
df=pd.DataFrame（{'col1'：[5,5,5,4,4,5,4,4,5,5,4,2,4,5,5,5]，
‘col2’：[5,5,5,4,4,3,2,2,3,2,2,4,2,2,2,5]}）
r、 p=pearsonr（df['col1']，df['col2']））
xs=np.unique（df['col1']）
ys=[df[df['col1']==x]['col2'].mean（）表示x在xs中]
df['col1']+=np.随机.均匀（-0.1,0.1，len（df））
df['col2']+=np.随机.均匀（-0.1,0.1，len（df））
g=sns.jointplot（x='col1'，y='col2'，data=df，kind='reg'）
g、 ax_joint.scatter（x=xs，y=ys，marker='x'，color='crimson'）#显示平均值
g、 text（2.5,4.5，f'$r={r:.2f}$'，color='navy'）#显示r值
plt.show（）

---

正如预期的那样，回归线似乎非常接近平均值。对于<代码> COL1=＝5 < /代码>在4的5, 2和2的3有4个值，它们的平均值是3.78。

如果这回答了你的问题，你可以考虑上投票和/或答案。