python绘图

TensorFlow机器学习实战

前期准备
第一章 Python 机器学习入门之绘图

---

---

前言

拖拖拉拉很久都没学机器学习，一开始混了pytorch一段时间，也什么都没看明白，英文的教程看看，中文的看看，速成的也看了几个，最后还是小白一枚，什么也不懂，只能从头再来。果然ddl是第一生产力！写的文章没什么含金量，就是记录学习过程中写的部分代码和问题。

---

一、matplotlib

matplotlib是用于辅助画图的库

二、使用步骤

1.引入库

import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt

2.读入数据

# 加载数据集 设置数据集分割为0，即全部作为测试集
# 数据集从Keras的API接口中下载，保存在c盘用户文件夹的Keras.datasets文件内，后缀是.npz
boston_housing = tf.keras.datasets.boston_housing
(train_x, train_y), (_, _)=boston_housing.load_data(test_split=0)

3.测试代码

# 全局设置中文属性，格式是黑体，设置坐标轴能够正常显示负数坐标轴
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 绘制价格与房间的关系散点图
plt.figure(figsize=(5, 5))
plt.scatter(train_x[:, 5], train_y)
plt.xlabel('Rm')
plt.ylabel("Price($1000's')")
plt.title("5,Rm-Price")
plt.show()

# 绘制13个属性的散点图
plt.figure(figsize=(12, 12))
# 属性名称
title = ["CRIM", "ZN", "INDUS", "CHAS", "NOX", "RM", "AGE", "DIS", "RAD", "TAX", "PTRATIO", "B-1000", "LSTAT", "MEDV"]
for i in range(13):
    # 子图组成
    plt.subplot(4, 4, (i+1))
    plt.scatter(train_x[:, i], train_y)
    # 子图横纵坐标和子标题
    plt.xlabel(title[i + 1])
    plt.ylabel("Price($1000's')")
   # plt.title(str(i+1)+"."+title[i]+" - Price")


plt.tight_layout()
plt.suptitle("各个属性与房价的关系", x=-0.2, y=-1.03, fontsize=20)
plt.show()

总结

结果是绘制了两个图

波士顿房价数据集中所有属性与房价的关系

加油！