【代码学习】显示手写数字数据集图片的代码

源码

"""
# -*- coding: utf-8 -*-
# @Time    : 2023/6/13 17:31
# @Author  : 王摇摆
# @FileName: Multiclass.py
# @Software: PyCharm
# @Blog    ：https://blog.csdn.net/weixin_44943389?type=blog
"""

# 导入数据
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split
import matplotlib.pyplot as plt

digits = load_digits()

# 数据集切分
X_train, X_test, y_train, y_test = train_test_split(digits['data'], digits['target'], test_size=0.2)

fig, axes = plt.subplots(10, 16, figsize=(8, 8))
fig.subplots_adjust(hspace=0.1, wspace=0.1)
for i, ax in enumerate(axes.flat):
    ax.imshow(X_train[i, :].reshape(8, 8), cmap='binary', interpolation='nearest')
    ax.text(0.05, 0.05, str(y_train[i]),
            transform=ax.transAxes, color='blue')
    ax.set_xticks([])
    ax.set_yticks([])

plt.show()

学习

这段代码的目标是加载手写数字数据集（load_digits()），并显示训练集中的一部分样本图像。

以下是代码的解释：

1. 导入所需的库：

from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split
import matplotlib.pyplot as plt

2. 加载手写数字数据集：

digits = load_digits()

3. 切分数据集为训练集和测试集：

X_train, X_test, y_train, y_test = train_test_split(digits['data'], digits['target'], test_size=0.2)

4. 创建一个包含10行16列的图像子图，并设置图像之间的间距和尺寸：

fig, axes = plt.subplots(10, 16, figsize=(8, 8))
fig.subplots_adjust(hspace=0.1, wspace=0.1)

5. 使用循环遍历每个子图，显示训练集中的图像和对应的标签：

for i, ax in enumerate(axes.flat):
    ax.imshow(X_train[i, :].reshape(8, 8), cmap='binary', interpolation='nearest')
    ax.text(0.05, 0.05, str(y_train[i]), transform=ax.transAxes, color='blue')
    ax.set_xticks([])
    ax.set_yticks([])

• ax.imshow()用于在子图中显示图像。X_train[i, :].reshape(8, 8)将图像数据从一维数组形状转换为8x8的二维数组形状，并使用二进制颜色映射显示图像。
• ax.text()用于在子图中添加文本，显示对应的标签。
• ax.set_xticks([])和ax.set_yticks([])用于隐藏子图中的刻度标签。

6. 最后，使用plt.show()显示图像子图：

plt.show()

运行代码后，应该会显示一个窗口，其中包含一部分训练集图像及其标签。您可以通过拖动窗口或使用放大/缩小选项来查看图像。请注意，plt.show()会阻塞代码的执行，直到您关闭显示窗口。

实验结果

.