Python優雅地可視化數據

作者：冰不語

最近看《機器學習系統設計》…前兩章。學到了一些用Matplotlib進行數據可視化的方法。在這里整理一下。

聲明：由于本文的代碼大部分是參考書中的例子，所以不提供完整代碼，只提供示例片段，也就是只能看出某一部分用法，感興趣的需要在自己的數據上學習測試。

最開始，當然還是要導入我們需要的包：

				# -*- coding=utf-8 -*-
				from matplotlib import pyplot as plt
				from sklearn.datasets import load_iris
				import numpy as np
				import itertools1234512345
			

1. 畫散點圖

畫散點圖用plt.scatter(x,y)。畫連續曲線在下一個例子中可以看到，用到了plt.plot(x,y)。

plt.xticks(loc，label)可以自定義x軸刻度的顯示，第一個參數表示的是第二個參數label顯示的位置loc。

plt.autoscale(tight=True)可以自動調整圖像顯示的最佳化比例 。

				plt.scatter(x,y)
				plt.title("Web traffic")
				plt.xlabel("Time")
				plt.ylabel("Hits/hour")
				plt.xticks([w*7*24 for w in range(10)],['week %i' %w for w in range(10)])
				plt.autoscale(tight=True)
				plt.grid()
				##plt.show()1234567812345678
			

畫出散點圖如下：

## 多項式擬合

				fp2 = np.polyfit(x,y,3)
				f2 = np.poly1d(fp2)
				fx = np.linspace(0,x[-1],1000)
				plt.plot(fx,f2(fx),linewidth=4,color='g')
				## f2.order: 函數的階數
				plt.legend(["d=%i" % f2.order],loc="upper right")
				plt.show()123456789123456789
			

效果圖：

這里用到的是sklearn的iris_dataset(鳶尾花數據集)。

此數據集包含四列，分別是鳶尾花的四個特征：

sepal length (cm)——花萼長度

sepal width (cm)——花萼寬度

petal length (cm)——花瓣長度

petal width (cm)——花瓣寬度

這里首先對數據進行一定的處理，主要就是對特征名稱進行兩兩排列組合，然后任兩個特征一個一個做x軸另一個做y軸進行畫圖。

				# -*- coding=utf-8 -*-
				from matplotlib import pyplot as plt
				from sklearn.datasets import load_iris
				import numpy as np
				import itertools
				data = load_iris()
				#print(data.data)
				#print(data.feature_names)
				#print(data.target)
				features = data['data']
				feature_names = data['feature_names']
				target = data['target']
				labels = data['target_names'][data['target']]
				print(data.data)
				print(data.feature_names)123456789101112131415161718123456789101112131415161718
			

這里有一個排列組合參考代碼，最后是取出了兩兩組合的情況。

排列組合的結果是feature_names_2包含了排列組合的所有情況，它的每一個元素包含了一個排列組合的所有情況，比如第一個元素包含了所有單個元素排列組合的情況，第二個元素包含了所有的兩兩組合的情況……所以這里取出了第二個元素，也就是所有的兩兩組合的情況

				feature_names_2 = []
				#排列組合
				for i in range(1,len(feature_names)+1):
				iter = itertools.combinations(feature_names,i)
				feature_names_2.append(list(iter))
				print(len(feature_names_2[1]))
				for i in feature_names_2[1]:
				print(i)123456789123456789
			

下面是在for循環里畫多個子圖的方法。對我來說，這里需要學習的有不少。比如

for i,k in enumerate(feature_names_2[1]):這一句老是記不住。

比如從列表中取出某元素所在的索引的方法：index1 = feature_names.index(k[0])，也即index = list.index(element)的形式。

比如for循環中畫子圖的方法：plt.subplot(2,3,1+i)

比如for循環的下面這用法：for t,marker,c in zip(range(3),”>ox”,”rgb”):

				plt.figure(1)
				for i,k in enumerate(feature_names_2[1]):
				index1 = feature_names.index(k[0])
				index2 = feature_names.index(k[1])
				plt.subplot(2,3,1+i)
				for t,marker,c in zip(range(3),">ox","rgb"):
				plt.scatter(features[target==t,index1],features[target==t,index2],marker=marker,c=c)
				plt.xlabel(k[0])
				plt.ylabel(k[1])
				plt.xticks([])
				plt.yticks([])
				plt.autoscale()
				plt.tight_layout()
				plt.show()12345678910111213141234567891011121314
			

這里的可視化效果如下：

比如在上面最后一幅圖中，找到了一種方法可以把三種鳶尾花分出來，這是我們需要畫出模型(一條直線)。這個時候怎么畫呢?

下面需要注意的就是plt.vlines(x,y_min,y_max)和plt.hlines(y,x_min,x_max)的用法。

				plt.figure(2)
				for t,marker,c in zip(range(3),">ox","rgb"):
				plt.scatter(features[target==t,3],features[target==t,2],marker=marker,c=c)
				plt.xlabel(feature_names[3])
				plt.ylabel(feature_names[2])
				# plt.xticks([])
				# plt.yticks([])
				plt.autoscale()
				plt.vlines(1.6, 0, 8, colors = "c",linewidth=4,linestyles = "dashed")
				plt.hlines(2.5, 0, 2.5, colors = "y",linewidth=4,linestyles = "dashed")
				plt.show() 12345678910111234567891011
			

此時可視化效果如下：

plt.ion()打開交互模式。plt.show()不再阻塞程序運行。

注意plt.axis()的用法。

				plt.axis([0, 100, 0, 1])
				plt.ion()
				for i in range(100):
				y = np.random.random()
				plt.autoscale()
				plt.scatter(i, y)
				plt.pause(0.01)1234567812345678
			

可視化效果：

End.

轉載請注明來自36大數據（36dsj.com)： 36大數據 ? Python優雅地可視化數據