绘制近红外光谱特征选择筛选出的变量分布图

绘制近红外光谱特征选择筛选出的变量分布图（特征波长图）

在近红外光谱数据分析建模过程中，特征选择是其中关键的一步。特征选择的原因是全部样本信息（全波长）中存在冗余信息，使得有些有效信息被抵消同时也无法突出有用的信息，这样建立的分析模型准确度和可靠性不高且计算量较大，特征选择就是最大限度的筛选出光谱数据中的有效信息，使得筛选出来的这些信息可以代表全部的样本信息，这样筛选出来的就是特征波长。写论文时需要画出筛选出来的特征波长图，去看特征波长落在哪个波段，从而查找相应作用的官能团。本文分别用python和matlab来实现两种不同的变量分布图。此处说明一下，特征波长和特征变量是同样的意思，只是叫法不一样。

用python绘制变量分布图

直接上代码：

import matplotlib.pyplot as plt
import pandas as pd

# 添加文件名即可，最多九个

name = ['full_wave.csv',
        'cor_wavelength.csv',
        'wave_noclass.csv',
        'wave_2class.csv',
        'wave_3class.csv']

new_name = ['全波长',
            '相关系数变量选择',
            '不分类',
            '分为2类',
            '分为3类']

# name = ['Full_NMir.csv',
#         'NMir_index.csv']
# new_name = ['近—中红外融合全波长',
#             '近—中红外融合UDPFS波长']

sign = ['+', 'x', '*', 'o', 'v', '^', '_', 'h', '.']  # 符号
gap = 5  # 间隔

plt.figure(figsize=(7.5,6