Python資料視覺效果——使用Matplotlib建立散佈圖

標籤：too   知識   baidu   bar   png   att   1.3   nbsp   資料   

Matplotlib簡述：　　Matplotlib是一個用於建立出高品質圖表的案頭繪圖包（主要是2D方面）。該項目是由John Hunter於2002年啟動的，其目的是為Python構建一個MATLAB式的繪圖介面。如果結合Python IDE使用比如PyCharm，matplotlib還具有諸如縮放和平移等互動功能。它不僅支援各種作業系統上許多不同的GUI後端，而且還能將圖片匯出為各種常見的向量（vector）和光柵（raster）圖：PDF、SVG、JPG、PNG、BMP、GIF等。 此外，Matplotlib還有許多外掛程式工具集，如用於3D圖形的mplot3d以及用於地圖和投影的basemap。準備資料：從文字檔中解析資料（資料來源於《機器學習實戰》第二章 k鄰近演算法）datingTestSet2.txt檔案：https://pan.baidu.com/s/1pLwZRsv　　本文使用的資料主要包含以下三種特徵：每年獲得的飛行常客裡程數，玩視頻遊戲所耗時間百分比，每周消費的冰淇淋公升數。其中分類結果作為檔案的第四列，並且只有3、2、1三種分類值。datingTestSet2.csv檔案格式如下所示： 

飛行裡程數	遊戲耗時百分比	冰淇淋公升數	分類結果
40920	8.326976	0.953952	3
14488	7.153469	1.673904	2
26052	1.441871	0.805124	1
......	......	......	......

　　資料在datingTestSet2.txt檔案中的格式如下所示：

　　上述特徵資料的格式經過file2matrix函數解析處理之後，可輸出為矩陣和類標籤向量。將文本記錄轉換為Numpy的解析程式，將以下代碼儲存在kNN.py中：

from numpy import *def file2matrix(filename):    fr = open(filename)    numberOfLines = len(fr.readlines()) # get the number of lines in the file    returnMat = zeros((numberOfLines, 3)) # prepare matrix to return    classLabelVector = []  # prepare labels return    fr = open(filename)    index = 0    for line in fr.readlines():        line = line.strip()        listFromLine = line.split(‘\t‘)        returnMat[index, :] = listFromLine[0:3]        classLabelVector.append(int(listFromLine[-1]))        index += 1    return returnMat, classLabelVector

　　

　　使用file2matrix讀取檔案資料，必須確保待解析檔案儲存體在當前的工作目錄中。匯入資料之後，簡單檢查一下資料格式：

 

>>>import kNN>>>datingDataMat,datingLabels = kNN.file2matrix(‘datingTestSet2.txt‘)>>>datingDataMat[0:6]array([[  4.09200000e+04,   8.32697600e+00,   9.53952000e-01],       [  1.44880000e+04,   7.15346900e+00,   1.67390400e+00],       [  2.60520000e+04,   1.44187100e+00,   8.05124000e-01],       [  7.51360000e+04,   1.31473940e+01,   4.28964000e-01],       [  3.83440000e+04,   1.66978800e+00,   1.34296000e-01],       [  7.29930000e+04,   1.01417400e+01,   1.03295500e+00]])>>> datingLabels[0:6][3, 2, 1, 1, 1, 1]

 分析資料：使用Matplotlib建立散佈圖

　　編輯kNN.py檔案，引入matplotlib，調用matplotlib的scatter繪製散佈圖。

>>> import matplotlib>>> import matplotlib.pyplot as plt>>> fig = plt.figure()>>> ax = fig.add_subplot(111)>>> ax.scatter(datingDataMat[:,1],datingDataMat[:,2])<matplotlib.collections.PathCollection object at 0x0000019E14C9A470>>>> plt.show()>>>

　　產生的散佈圖如下：

　　散佈圖使用datingDataMat矩陣的第二、第三列資料，分別表示特徵值“玩視頻遊戲所耗時間百分比”和“每周消費的冰淇淋公升數”。kNN.py完整代碼如下:

import matplotlibimport numpy as npfrom numpy import *from matplotlib import pyplot as plt def file2matrix(filename):    fr = open(filename)    numberOfLines = len(fr.readlines())  # get the number of lines in the file    returnMat = zeros((numberOfLines, 3))  # prepare matrix to return    classLabelVector = []  # prepare labels return    fr = open(filename)    index = 0    for line in fr.readlines():        line = line.strip()        listFromLine = line.split(‘\t‘)        returnMat[index, :] = listFromLine[0:3]        classLabelVector.append(int(listFromLine[-1]))        index += 1    return returnMat, classLabelVector datingDataMat,datingLabels = file2matrix(‘datingTestSet2.txt‘)fig = plt.figure()ax = plt.subplot(111)ax.scatter(datingDataMat[:,1],datingDataMat[:,2])plt.show()

 

　　由於沒有使用樣本分類的特徵值，很難看到任何有用的資料模式資訊。為了更好理解資料資訊，Matplotlib庫提供的scatter函數支援個人化標記散佈圖上的點。調用scatter函數使用下列參數：

 

ax.scatter(datingDataMat[:,1],datingDataMat[:,2],15.0*array(datingLabels),15.0*array(datingLabels))

　　產生的散佈圖如下：

　　利用datingLabels儲存的類標籤屬性，在散佈圖上繪製了色彩不等、尺寸不同的點。因而基本上可以看到資料點所屬三個樣本分類的地區輪廓。為了得到更好的效果，採用datingDataMat矩陣的屬性列1和2展示資料，並以紅色的‘*‘表示類標籤1、藍色的‘o‘表示表示類標籤2、綠色的‘+‘表示類標籤3，修改參數如下：

import matplotlibimport numpy as npfrom numpy import *from matplotlib import pyplot as pltfrom matplotlib.font_manager import FontProperties  def file2matrix(filename):    fr = open(filename)    numberOfLines = len(fr.readlines())  # get the number of lines in the file    returnMat = zeros((numberOfLines, 3))  # prepare matrix to return    classLabelVector = []  # prepare labels return    fr = open(filename)    index = 0    for line in fr.readlines():        line = line.strip()        listFromLine = line.split(‘\t‘)        returnMat[index, :] = listFromLine[0:3]        classLabelVector.append(int(listFromLine[-1]))        index += 1    return returnMat, classLabelVectorzhfont = FontProperties(fname=‘C:/Windows/Fonts/simsun.ttc‘,size=12) datingDataMat,datingLabels = file2matrix(‘datingTestSet2.txt‘)fig = plt.figure()plt.figure(figsize=(8, 5), dpi=80)ax = plt.subplot(111)datingLabels = np.array(datingLabels)idx_1 = np.where(datingLabels==1)p1 = ax.scatter(datingDataMat[idx_1,0],datingDataMat[idx_1,1],marker = ‘*‘,color = ‘r‘,label=‘1‘,s=10)idx_2 = np.where(datingLabels==2)p2 = ax.scatter(datingDataMat[idx_2,0],datingDataMat[idx_2,1],marker = ‘o‘,color =‘g‘,label=‘2‘,s=20)idx_3 = np.where(datingLabels==3)p3 = ax.scatter(datingDataMat[idx_3,0],datingDataMat[idx_3,1],marker = ‘+‘,color =‘b‘,label=‘3‘,s=30)plt.xlabel(u‘每年擷取的飛行裡程數‘, fontproperties=zhfont)plt.ylabel(u‘玩視頻遊戲所消耗的事件百分比‘, fontproperties=zhfont)ax.legend((p1, p2, p3), (u‘不喜歡‘, u‘魅力一般‘, u‘極具魅力‘), loc=2, prop=zhfont)plt.show()

 

　　產生的散佈圖如下：

第二種方法：

 

import matplotlibfrom matplotlib import pyplot as pltfrom matplotlib import font_manager def file2matrix(filename):    fr = open(filename)    numberOfLines = len(fr.readlines())  # get the number of lines in the file    returnMat = zeros((numberOfLines, 3))  # prepare matrix to return    classLabelVector = []  # prepare labels return    fr = open(filename)    index = 0    for line in fr.readlines():        line = line.strip()        listFromLine = line.split(‘\t‘)        returnMat[index, :] = listFromLine[0:3]        classLabelVector.append(int(listFromLine[-1]))        index += 1    return returnMat, classLabelVectormatrix, labels = file2matrix(‘datingTestSet2.txt‘)zhfont = matplotlib.font_manager.FontProperties(fname=‘C:/Windows/Fonts/simsun.ttc‘,size=12) plt.figure(figsize=(8, 5), dpi=80)axes = plt.subplot(111)# 將三類資料分別取出來# x軸代表飛行的裡程數# y軸代表玩視頻遊戲的百分比type1_x = []type1_y = []type2_x = []type2_y = []type3_x = []type3_y = []for i in range(len(labels)):    if labels[i] == 1:  # 不喜歡        type1_x.append(matrix[i][0])        type1_y.append(matrix[i][1])     if labels[i] == 2:  # 魅力一般        type2_x.append(matrix[i][0])        type2_y.append(matrix[i][1])     if labels[i] == 3:  # 極具魅力        #print (i, ‘：‘, labels[i], ‘:‘, type(labels[i]))        type3_x.append(matrix[i][0])        type3_y.append(matrix[i][1]) type1 = axes.scatter(type1_x, type1_y, s=20, c=‘red‘)type2 = axes.scatter(type2_x, type2_y, s=40, c=‘green‘)type3 = axes.scatter(type3_x, type3_y, s=50, c=‘blue‘)plt.xlabel(u‘每年擷取的飛行裡程數‘, fontproperties=zhfont)plt.ylabel(u‘玩視頻遊戲所消耗的事件百分比‘, fontproperties=zhfont)axes.legend((type1, type2, type3), (u‘不喜歡‘, u‘魅力一般‘, u‘極具魅力‘), loc=2, prop=zhfont)plt.show()

　產生的散佈圖如下：

　

總結：本文簡單介紹了Matplotlib，並以執行個體分析了如何使用Matplotlib庫圖形化展示資料，最後通過修改matplotlib的scatter函數參數使得散佈圖的分類地區更加清晰。附加知識點：1、在使用Matplotlib組建圖表時，預設不支援漢字，所有漢字都會顯示成框框。解決方案：代碼中指定中文字型

# -*- coding: utf-8 -*-import matplotlib.pyplot as pltimport matplotlibzhfont1 = matplotlib.font_manager.FontProperties(fname=‘C:/Windows/Fonts/simsun.ttc‘) plt.xlabel(u"橫座標xlabel",fontproperties=zhfont1)

　　到C:\Windows\Fonts\中找到新宋體對應的字型檔simsun.ttf（Window 8和Windows10系統是simsun.ttc，也可以使用其他字型）

2、ax = fig.add_subplot(111)　　返回Axes執行個體　　參數一，　子圖總行數　　參數二，　子圖總列數　　參數三，　子圖位置　　在Figure上添加Axes的常用方法

Python資料視覺效果——使用Matplotlib建立散佈圖