机器学习第6天：数据可视化神器--Matplotlib

-----代码传送门-----
-----数据传送门-----

一、Matplotlib简介

Matplotlib是一个数据可视化神器，画图用的。涉及散点图、线图、等高线图、条形图、柱状图、3D图形、饼图、Image图像、灰度图。

这里主要介绍如何绘画机器学习中常用到的一些图像。

二、散点图

第1步：导入数据

import pandas as pd
dataSet = pd.read_csv('studentscores.csv')

X = dataSet.iloc[ : , : -1]
Y = dataSet.iloc[ : , 1]

第2步：拆分成训练集和测试集

from sklearn.model_selection import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.25, random_state=0)

第3步：使用简单线性回归模型来训练训练集

from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor = regressor.fit(X_train, Y_train)

第4步：绘制散点图

import matplotlib.pyplot as plt
plt.scatter(X_train, Y_train, color='red')
plt.show()

---

二、线图

数据沿用散点图数据

plt.plot(X_train, regressor.predict(X_train), color='blue')
plt.show()

---

三、等高线图

第1步：定义一个计算高度用的函数

def f(x,y):
    return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)

第2步：创建一个等差数列

import numpy as np
n=256
x=np.linspace(-3,3,n)  #[-3,3]，共256个点
y=np.linspace(-3,3,n)

第3步：将等差数列绑定为网格的形式

X,Y=np.meshgrid(x,y)

第4步：等高划分并填色

#等高划分并着色
plt.contourf(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hot)

#设置等高线
C=plt.contour(X,Y,f(X,Y),8,colors='black',linewidth=0.5)

#设置等高线的数值
plt.clabel(C,inline=True,fontsize=10)

#设置坐标轴
plt.xlim(-3,3)
plt.ylim(-3,3)

plt.show()

四、运行结果展示

1. 散点图

2. 线图

3. 等高线图

五、函数讲解

1. scatter()

plt.scatter(X_train, Y_train, color=‘red’)中的X_train，Y_train就是X和Y轴的坐标，形状为shape(n, )。更多用法见：sactter函数详解

2. plot()

plt.plot(X_train, regressor.predict(X_train), color=‘blue’)，用法和scatter()差不多，不同的是scatter()画的是点，plot() 画的是线。

3. linspace()

np.linspace(-3,3,n)

它是创建等差数列的函数，返回ndarray类型数据。起点为3，终点为3，n为步长，如果n=1，则返回array([ -3., -2., -1., 0., 1., 2., 3.])

4. contourf()

plt.contourf(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hot)

contourf(contour等高线+filling)；8 表示等高线分为多少部分，0->2部分，1->3部分，8->10部分；alpha=0.75表示图形的透明度，如果alpha=0那么图形的颜色为白，f(X,Y)第三个参数表示高度，不同高度域颜色就会不同。

到后面遇到了新的图，我会同步更新这篇博客的。