使用視覺化：lmplot
建立線性模型圖可以幫助你檢視變數是否與應變數相關。若有相關性，就很適合納入分析。若沒有，也不代表要丟棄，而是可能需要先做前處理或整理後再使用。
你的工作環境已提供 seaborn，慣用別名為 sns。
本練習屬於課程
使用 PySpark 進行特徵工程
練習說明
- 使用已載入的資料集
df，用select()篩選出 'SALESCLOSEPRICE' 與 'LIVINGAREA' 兩個欄位。 - 使用
sample()取樣 50% 的資料列，確保不重複抽樣，並將隨機種子設為 42。 - 將 Spark DataFrame 轉為
pandas.DataFrame()，使用toPandas()。 - 以 'SALESCLOSEPRICE' 為應變數、'LIVINGAREA' 為自變數，使用 seaborn 的
lmplot()繪製線性模型圖。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Select a the relevant columns and sample
sample_df = df.____([____, ____]).____(____, ____, ____)
# Convert to pandas dataframe
pandas_df = sample_df.____()
# Linear model plot of pandas_df
sns.____(x=____, y=____, data=____)
plt.show()