可视化-Matplotlib

在机器学习中，可视化是数据特征分析和结果展示的一个重要手段。它可以提供数据的分布特征、统计特征，回归、分类和聚类等的结果。

目标： 将数据以图标的方式展示，从而分析出数据有价值的规律

绘图工具：（此处主要学习Matplotlib部分）

1. Matplotlib（功能多）
2. Seaborn库（基于Matplotlib绘制更多图表；擅长统计图和pandas更好结合）
3. Pyecharts库（擅长地理图表的绘制）

绘图的一般流程：

一、Matplotlib可视化

1、折线图（趋势） plot

折线图是用直线段将各数据点连接起来而组成的图形，以折线的方式显示数据的变化趋势。

# 导入 Numpy 模块
# 导入 matplotlib.pyplot 库
import numpy as np
import matplotlib.pyplot as plt

# 准备数据
x=np.linspace(0,10,30)                    # 0-10之间30个元素的等差数列
noise=np.random.randn(30)                 # 30个标准正态分布的元素
y1=x**2+2*noise                           # 数据1
y2=x**1+2*noise                           # 数据2
y3=x**1.5+2*noise                         # 数据3
plt.rcParams['font.sans-serif']='SimHei'  # 设置字体为SimHei以显示中文
plt.rc('font',size=15)                    # 设置图中字号大小
plt.figure(figsize=(6,4))                 # 设置画布

# 绘制折线图，设置颜色和线型:b蓝色 g绿色 r红色 y黄色 w白色 c青色 m紫色
plt.plot(x,y1,color='r',linestyle='--')
plt.plot(x,y2,color='b',linestyle='-')
plt.plot(x,y3,color='g',linestyle='-.')
plt.title('折线图')                           # 添加标题 title
plt.legend(['曲线y1','曲线y2','曲线y3'])      # 添加图例 legend
plt.xlabel('x')                              # 添加横轴标签 xlabel
plt.ylabel('y')                              # 添加纵轴标签 ylabel
plt.show()                                   # 显示图片

点线图：

# 绘制点线图
plt.figure(figsize=(6,4))                            # 设置画布大小
# 绘制点线图，设置颜色、线型、点的形状
plt.plot(x,y1,color='r',linestyle='--',marker='o')
plt.plot(x,y2,color='b',linestyle='-',marker='*')
plt.plot(x,y3,color='g',linestyle='-.',marker='^')
plt.title('点线图')                                    # 添加标题
plt.legend(['曲线 y1','曲线 y2','曲线 y3'])            # 添加图例 legend
plt.ylabel('x')                                       # 添加横轴标签
plt.ylabel('y')                                       # 添加纵轴标签
plt.show()                                            # 显示图片

 

2、柱状图  bar

柱状图又称长条图、柱状统计图，是一种以长方形的长度为变量的统计图表。

# 绘制柱状图
plt.figure(figsize=(6,4))    # 设置画布
plt.bar(x,y1,width=0.2)      # 绘制柱状图:x=x轴数据,height=条形高度 width=宽默认0.8
plt.title('柱状图')           # 添加标题
plt.xlabel('x')              # 添加横轴标签
plt.ylabel('y1