密集散点图主要目的是生成一个可视化图表，展示 insurance 数据集中 bmi（身体质量指数）和 charges（医疗费用）之间的关系，并通过不同的维度对数据进行分组和区分，以便更清晰地观察数据的分布和特征。

import seaborn as sns  # 导入 Seaborn，用于绘图
import matplotlib.pyplot as plt  # 导入 Matplotlib，用于显示图表
import pandas as pd  # 导入 Pandas，用于数据处理
import numpy as np  # 导入 NumPy，用于数值计算

# 设置随机种子，确保每次运行代码时生成的随机数据相同
np.random.seed(0)  

# 定义数据集的大小
data_size = 100  

# 随机生成示例数据集
insurance = pd.DataFrame({
    'bmi': np.random.uniform(18, 35, data_size),  # 随机生成 100 个 BMI 值，范围在 18 到 35 之间
    'charges': np.random.uniform(1000, 50000, data_size),  # 随机生成 100 个医疗费用值，范围在 1000 到 50000 之间
    'sex': np.random.choice(['male', 'female'], data_size),  # 随机生成 100 个性别值，选择 "male" 或 "female"
    'region': np.random.choice(['northwest', 'southeast', 'southwest', 'northeast'], data_size)  # 随机生成 100 个地区值
})

# 使用 Seaborn 的 relplot 函数绘制关系图
sns.relplot(
    x='bmi',  # 横轴变量为 BMI
    y='charges',  # 纵轴变量为医疗费用
    hue='sex',  # 根据性别对数据点进行颜色区分
    col='region',  # 按地区分列显示
    row='sex',  # 按性别分行显示
    data=insurance,  # 使用上面生成的 insurance 数据集
    height=7,  # 设置每个子图的高度为 7 英寸
    aspect=.6  # 设置每个子图的宽高比为 0.6
)

# 显示图表
plt.show()