Python優雅地可視化數據

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。在這裡整理一下。

聲明：由於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，也就是隻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 itertools

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)。

而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()

畫出散點圖如下：

散點圖

2. 多項式擬合併畫出擬合曲線

## 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()

效果圖：

曲線擬合

3. 畫多個子圖

這裡用到的是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徵：

• 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

這裡首先對數據進行一定的處理，主要就是對特徵名稱進行兩兩排列組合，然後任兩個特徵一個一個做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)

這裡有一個排列組合參考代碼，最後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......所以這裡取出了第二個元素，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)

下面是在for循環裡畫多個子圖的方法。對我來說，這裡需要學習的有不少。比如

• for i,k in enumerate(feature_names_2[1]):

  這一句老是記不住。

• for t,marker,c in zip(range(3),">ox","rgb"):

• 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。

• plt.subplot(2,3,1+i)

• 比如for循環中畫子圖的方法：

• 比如for循環的下面這用法：

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()

這裡的可視化效果如下：

多個子圖

4. 畫水平線和垂直線

比如在上面最後一幅圖中，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）。這個時候怎麼畫呢？

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()

此時可視化效果如下：

水平線和豎直線

5. 動態畫圖

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)

可視化效果：

動態畫圖