手撸决策树代码——原理详解（3）+对汽车评价数据集的预测分析（python3）

第六步： 绘制决策树的图像

我们通过得到决策树的深度和叶子结点的作用是：
1.完成对于图像整体比例的把握，叶子结点有n个，就把横坐标分成n份进行绘制结点的宽度，
2.同理深度有n层将纵坐标分成n份，完成结点的高度绘制。
3.并以此为基础，通过计算公式得到根结点和叶子结点的位置，还有父子结点之间的特征文本的位置。
4.并调用上几步函数完成结点绘制

#  所以结点的绘制过程是根左右深度遍历到最左边的叶子结点，确认是根直接绘制，。
#  然后把最左边最小的根节点的叶子结点绘制完往上递归绘制根节点，再绘制根节点的兄弟姐妹，再往上回退，再绘制。
def plotTree(myTree, parentPt, nodeTxt):  # 输入当前的字典树，父节点，结点填充文本
    numLeafs = getNumLeafs(myTree)  # 得到当前的根节点树下的叶子结点个数
    depth = getTreeDepth(myTree)  # 得到当前根节点树下的最大深度
    firstside = list(myTree.keys())  # 获取了当前树的所有键
    firstStr = firstside[0]  # 得到当前节点的键，键值如果是字典，那么键里存的就是根节点文本，
    # 计算子节点的坐标，一开始最初始的树的子节点算出来和根节点的坐标是一样的，所以画不出指向根结点箭头
    # 详细解释一下中点公式怎么算的，首先最开始是因为xOff定义在脱出画面的半个结点长度
    # 因此需要给它加上（当前根的叶子节点数+1）/2个的长度为1/totalW的距离才能到达当前子节点中点的位置，所以下列公式即可算出
    cntrPt = (plotTree.xOff + (1.0 + float(numLeafs)) /2.0 / plotTree.totalW, plotTree.yOff)
    plotMidText(cntrPt, parentPt, nodeTxt)  # 填充当前的父子结点之间的文本信息
    plotNode(firstStr, cntrPt, parentPt, decisionNode)  # 绘制当前根结点和指向根结点箭头
    secondDict = myTree[firstStr]  # 获取当前根节点下面的子树
    plotTree.yOff = plotTree.yOff - 1.0 / plotTree.totalD  # 纵坐标到下一层，将减少1/totalD的权重长度
    for key in secondDict.keys():  # 遍历字典的值，找值类型是否是字典，即找根结点所有的分支，找叶子节点
        if type(secondDict[key]) == dict:
            # 这里有个很重要的结论是：如果当前键的键值是字典，说明有子树
            # 而且键存着是子树的根节点文本
            # 当前键的键值不是字典类型，那么说明键存着父子结点填充文本，键值为叶子结点文本
            # 这里三个参数分别是当前字典的值(也就是分支树），下一层的根节点坐标，和下一层根节点要填充的文本
            plotTree(secondDict[key], cntrPt, str(key))  # 是字典类型，继续递归绘制下一层的根节点
        else:
            # 不是字典类型，说明已经到了叶子结点，接下来绘制叶子结点
            plotTree.xOff = plotTree.xOff + 1.0 / plotTree.totalW  # 一旦发现叶子节点，从左往右不断绘制叶子结点，体现在每次给叶子节点横坐标加1/totalW的长度
            # 绘制当前的叶子节点和指向叶节点的箭头，和父子结点之间的填充文本
            # 起点是cntrPt,此时的cntrPt其实是父节点的坐标值，(plotTree.xOff, plotT