参考自《数据挖掘概念与技术》。
对于有$m$个特征,$n$个样本的数据,平行坐标可视化图中,横轴均匀列出$m$个特征,每个特征生成一个纵轴,其中每个样本就表示为穿越这些纵轴的折线。实现代码如下:
import numpy as np
import matplotlib.pyplot as plt
def parallel_coordinates(data, line_c='black', axis_alpha = 0.5, line_alpha = 0.05):
n, m = data.shape
mi, ma = np.min(data, 0, keepdims=True), np.max(data, 0, keepdims=True)
ma += (ma - mi == 0) # 防止零除
data = (data - mi) / (ma - mi)
# 创建一个 Figure 对象和一个 Axes 对象
fig, ax = plt.subplots()
ax.spines['right'].set_visible(False)
ax.spines['top'].set_visible(False)
ax.spines['left'].set_visible(False)
ax.spines["bottom"].set_alpha(axis_alpha)
ax.tick_params(axis='y', length=0, labelleft=False)
ax.tick_params(axis='x', length=2, colors=(0, 0, 0, axis_alpha))
ax.set_xticks(np.arange(m), np.arange(m), alpha = axis_alpha)
ax.set_xlabel('Features')
ax.set_ylabel('Values')
# 画折线
x = np.arange(m)
for d in data:
ax.plot(x, d, c=line_c, alpha=line_alpha)
# 画坐标轴
for i in range(m):
ax1 = ax.twinx()
ax1.spines['top'].set_visible(False)
ax1.spines['left'].set_visible(False)
ax1.spines['bottom'].set_visible(False)
ax1.spines["right"].set_position(("data", i))
ax1.spines["right"].set_alpha(axis_alpha)
ax1.tick_params(axis='y', length=2, colors=(0, 0, 0, axis_alpha))
ax1.set_ylim(ax.get_ylim())
new_ticks = ['%.2f'%i for i in np.linspace(mi[0, i], ma[0, i], 5)]
ax1.set_yticks(np.linspace(0, 1, 5), new_ticks, alpha = axis_alpha)
plt.show()
# samp.shape = [n, m]
parallel_coordinates(samp)
下图展示了45个标准异常检测数据集的1000个随机抽样(不重复)的前5个特征的可视化结果:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
可视化结果把所有$n\times m$个数据都表示在一张图中,比较全面,但对横坐标的特征顺序敏感,不相邻特征之间的模式人眼不容易观察。如果要观察某两个特征之间的关系,可以使它们的位置相邻。