專業線上散佈圖繪製工具

1. 探索變量相關性
判斷兩個變數是否同步變化（如溫度與冰淇淋銷量），為後續建模（如回歸分析）提供依據。
2. 檢測數據分佈模式
識別線性、指數、對數等關係類型。例如，人口增長與時間可能呈指數分佈，而汽車速度與油耗可能呈U型關係。
3. 發現異常值與離群點
異常值可能影響模型準確性，需進一步核查原因（如數據錄入錯誤或特殊事件）。
4. 比較多組數據差異
通過分組標記（如不同顏色），對比不同群體（如不同年齡段）的變量關係差異。

1. 觀察整體分佈模式
線性趨勢：點呈斜向上/下分佈，如身高與體重。
非線性趨勢：點呈曲線分佈，如汽車速度與油耗。
無關聯：點隨機分散，如身高與鞋碼（控制年齡後）。
2. 計算相關係數輔助驗證
通過皮爾遜相關係數（r）量化變量間線性關係強度（-1≤r≤1）。例如，r=0.8表示強正相關，r=-0.3表示弱負相關。
3. 識別異常值與離群點
檢查偏離整體分佈的點，確認是否為數據錯誤或特殊案例。例如，在分析房價與面積的關係時，某個小面積卻高房價的點可能是學區房。

1. 分析變量相關性，如廣告投入與銷售額是否同步增減，快速判斷正/負相關或無關聯。
2. 檢測數據分佈模式，如識別非線性關係（如汽車速度與油耗的U型曲線）或異常值（如小面積高房價的離群點）。
3. 多組對比分析，透過顏色/形狀區分群體（如男女身高-體重分佈差異），輔助細分市場研究。
4. 回歸模型驗證，檢查變量是否滿足線性假設，避免模型偏差。

散佈圖與氣泡圖的核心區別在於變數展示維度與視覺表達方式。散佈圖透過二維座標系展示兩個變數（X, Y）的關係，每個點僅表示一對數值，重點在於分析變數間的相關性、趨勢或離群點，適用於基礎關係探索。氣泡圖则在散佈圖基礎上引入第三個變數，透過氣泡的大小（或顏色深淺）編碼數值，實現三變數同步分析。