4. 画程度线和垂直线

比如在膳绫擎最后一幅图中，找到了一种办法可以把三种鸢尾花搀扶来，这是我们须要画出模型(一条直线)。这个时刻怎么画呢?

下面须要留意的就是plt.vlines(x,y_min,y_max)和plt.hlines(y,x_min,x_max)的用法。

plt.figure(2)  
for t,marker,c in zip(range(3),">ox","rgb"): 
plt.scatter(features[target==t,3],features[target==t,2],marker=marker,c=c)  
plt.xlabel(feature_names[3])  
plt.ylabel(feature_names[2])  
# plt.xticks([])  
# plt.yticks([])  
plt.autoscale()  
plt.vlines(1.6, 0, 8, colors = "c",linewidth=4,linestyles = "dashed")  
plt.hlines(2.5, 0, 2.5, colors = "y",linewidth=4,linestyles = "dashed") 
 plt.show() 12345678910111234567891011 

此时可视化效不雅如下：

plt.autoscale(tight=True)可以主动调剂图像显示的最佳化比例 。

5. 动态画图

plt.ion()打开交互模式。plt.show()不再壅塞法度榜样运行。

留意plt.axis()的用法。

plt.axis([0, 100, 0, 1])  
plt.ion()  
for i in range(100):  
y = np.random.random()  
plt.autoscale()  
plt.scatter(i, y)  
plt.pause(0.01)1234567812345678 

可视化效不雅：

比如for轮回中画子图的办法：plt.subplot(2,3,1+i)

【编辑推荐】

1. Python 代码实践小结
2. Python做文本发掘的情感极性分析（基于情感词典的办法）
3. 做数据分析时，R 用户若何进修 Python？
4. 2017年最风行的15个数据科学Python库
5. 用python治理本身的暗码

【义务编辑：51CTO_OS TEL：（010）68476606】

　　推荐阅读

　　从超大规模云服务提供商处学习效率

企业数据中间团队可以大年夜超大年夜型云办事供给商那边进修到响应的重要的经验教训。与此同时，企业还应从新思虑其冗余策略，并推敲采取诸如像SDN如许的技巧来赞助进步效力。现如今，在数>>>详细阅读

本文标题：讲道理，Python数据可视化是优雅的艺术

地址：http://www.17bianji.com/lsqh/35556.html

 1/2    1