Python优雅地可视化数据

最近看《机器学习系统设计》。学到了一些用Matplotlib进行数据可视化的方法。在这里整理一下。

声明:由于本文的代码大部分是参考书中的例子,所以不提供完整代码,只提供示例片段,也就是只能看出某一部分用法,感兴趣的需要在自己的数据上学习测试。

最开始,当然还是要导入我们需要的包:

1. 画散点图

画散点图用plt.scatter(x,y)。画连续曲线在下一个例子中可以看到,用到了plt.plot(x,y)

plt.xticks(loc,label)可以自定义x轴刻度的显示,第一个参数表示的是第二个参数label显示的位置loc。

plt.autoscale(tight=True)可以自动调整图像显示的最佳化比例 。

画出散点图如下:

散点图
项式拟合并画出拟合曲线

效果图:

曲线拟合

3. 画多个子图

这里用到的是sklearn的iris_dataset(鸢尾花数据集)。

此数据集包含四列,分别是鸢尾花的四个特征:

  • sepal length (cm)——花萼长度
  • sepal width (cm)——花萼宽度
  • petal length (cm)——花瓣长度
  • petal width (cm)——花瓣宽度

这里首先对数据进行一定的处理,主要就是对特征名称进行两两排列组合,然后任两个特征一个一个做x轴另一个做y轴进行画图。

这里有一个排列组合参考代码,最后是取出了两两组合的情况。

排列组合的结果是feature_names_2包含了排列组合的所有情况,它的每一个元素包含了一个排列组合的所有情况,比如第一个元素包含了所有单个元素排列组合的情况,第二个元素包含了所有的两两组合的情况......所以这里取出了第二个元素,也就是所有的两两组合的情况

下面是在for循环里画多个子图的方法。对我来说,这里需要学习的有不少。比如

  • for i,k in enumerate(feature_names_2[1]):这一句老是记不住。
  • 比如从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循环中画子图的方法:plt.subplot(2,3,1+i)
  • 比如for循环的下面这用法:for t,marker,c in zip(range(3),">ox","rgb"):

这里的可视化效果如下:

多个子图

4. 画水平线和垂直线

比如在上面最后一幅图中,找到了一种方法可以把三种鸢尾花分出来,这是我们需要画出模型(一条直线)。这个时候怎么画呢?

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

此时可视化效果如下:

竖直线和水平线

5. 动态画图

plt.ion()打开交互模式。plt.show()不再阻塞程序运行。

注意plt.axis()的用法。

可视化效果:

动态画图

0 条评论
发表一条评论