利用 Python 优雅地可视化数据

最近看《机器学习系统设计》...前两章。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:

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

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 。

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()

画出散点图如下:

2. 多项式拟合并画出拟合曲线

## 多项式拟合
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: 函数的阶数
plt.legend(["d=%i" % f2.order],loc="upper right")
plt.show()

效果图:

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。

# -*- 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)

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

feature_names_2 = []
#排列组合
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)

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"):

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()

这里的可视化效果如下:

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。

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()  

此时可视化效果如下:

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。

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)

可视化效果:

文章首发公众号: CVPy

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

编辑于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Petrichor的专栏

leetcode: 85. Maximal Rectangle

From LeetCode 笔记系列 18 Maximal Rectangle [学以致用]:

1673
来自专栏移动开发面面观

OpenGL ES——导入.stl格式的3D模型

1444
来自专栏瓜大三哥

视频压缩编码技术(H.264) 之算术编码

早在1948年,香农就提出将信源符号依其出现的概率降序排序,用符号序列累计概率的二进值作为对芯源的编码,并从理论上论证了它的优越性。1960年, Peter E...

863
来自专栏机器之心

教程 | 如何使用TensorFlow中的高级API:Estimator、Experiment和Dataset

选自Medium 作者:Peter Roelants 机器之心编译 参与:李泽南、黄小天 近日,背景调查公司 Onfido 研究主管 Peter Roelant...

5537
来自专栏BestSDK

10行代码告诉你,为什么说Python数据可视化是一件艺术品

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,...

4206
来自专栏程序生活

Leetcode-Easy 437. Path Sum III

101. Symmetric Tree 描述: 给定一个二叉树和一个目标和,求满足和为目标值的路径个数 ? 思路: dfs 深度优先搜索 ...

3444
来自专栏云霄雨霁

子字符串查找----各种算法总结

1980
来自专栏bboysoul

1475: C语言实验题――一元二次方程 II

描述:求一元二次方程ax2+bx+c=0的解。a,b,c为任意实数。 输入:输入数据有一行,包括a b c的值 输出:按以下格式输出方程的根x1和x2。x1...

1063
来自专栏ml

编程之美 --1 : 骨牌覆盖问题·一

题目1 : 骨牌覆盖问题·一 时间限制:10000ms 单点时限:1000ms 内存限制:256MB 描述 骨牌,一种古老的玩具。今天我们要研究的是骨牌的覆盖问...

3405
来自专栏Phoenix的Android之旅

一张图看懂开发和运营的思维差别

用Dijkstra算法很简单,我们需要 · 用 6*6矩阵 source[6][6]表示点之间的距离,也就是图中的权值 · 自己与自己的距离为0,无直接连接的距...

711

扫码关注云+社区