如何可视化吸烟、性别、年龄与心脏病发作风险的关联？

针对你的数据集（包含二分类靶标target，分类变量sex/smoke，连续变量age），推荐以下可视化方案解决散点图数据重叠的问题：

• 箱线图
  用于展示连续变量age在不同分组下的分布差异：

  • 按target分组，对比患病（1）与非患病（0）人群的年龄中位数、四分位数及异常值；
  • 结合sex或smoke做交叉分组（比如sex+target），直观呈现不同性别/吸烟状态下，患病组与非患病组的年龄特征差异。

• 分组柱状图
  聚焦分类变量与target的关联：

  • 以sex或smoke为x轴，每组内设置两个柱子分别对应target=0和target=1的人数或占比；
  • 快速对比不同性别、吸烟状态下的患病比例差异，比如吸烟人群的患病占比是否显著高于非吸烟人群。

• 部分依赖图（PDP）
  直接展示逻辑回归模型中单个特征对靶标预测概率的边际影响：

  • 对连续变量age，绘制年龄变化时，模型预测的患心脏病概率的变化趋势；
  • 对分类变量sex、smoke，展示不同类别对应的平均预测概率，清晰呈现特征对模型输出的效应方向与大小。

• 小提琴图
  结合箱线图与密度图的优势，展示age在交叉分组下的分布形态：

  • 按target+sex或target+smoke分组，既可以看到年龄的统计分位数，又能直观观察数据分布的密度形态，比如患病男性的年龄分布是否更偏向高龄。

• 堆叠柱状图
  展示分类变量子组内的靶标结构占比：

  • 以smoke或sex为x轴，每个柱子堆叠target=0和target=1的占比部分；
  • 一眼就能看出某类人群（比如吸烟男性）中患病者的占比结构。

内容的提问来源于stack exchange，提问作者Tair Ishay