Python优雅地可视化数据

作者：冰不语

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 itertools1234512345
			

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()1234567812345678
			

画出散点图如下：

## 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()123456789123456789
			

效果图：

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)123456789101112131415161718123456789101112131415161718
			

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)123456789123456789
			

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()12345678910111213141234567891011121314
			

这里的可视化效果如下：

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)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
			

此时可视化效果如下：

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)1234567812345678
			

可视化效果：

End.

转载请注明来自36大数据（36dsj.com)： 36大数据 » Python优雅地可视化数据