大数据:讲道理,Python数据可视化是优雅的艺术

标签:大数据数据模式

访客:17583  发表于:2017-06-05 09:39:20

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:


大数据

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()123456789123456789

效果图:


大数据

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)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:


大数据

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)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:


大数据

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)1234567812345678

可视化效果:


大数据

来源:36大数据 作者:冰不语

评论(0)

您可以在评论框内@您的好友一起参与讨论!

--> --> -->
<--script type="text/javascript">BAIDU_CLB_fillSlot("927898");