优雅的艺术之Python数据可视化

比来看《机械进修体系设计》…前两章。学到了一些用Matplotlib进行数据可视化的办法。在这里整顿一下。

声明：因为本文的代码大年夜部分是参考书中的例子，所以不供给完全代码，只供给示例片段，也就是只能看出某一部分用法，感兴趣的须要在本身的数据上进修测试。

最开端，当然照样要导入我们须要的包：

1. 画散点图

比如for轮回中画子图的办法：plt.subplot(2,3,1+i)

画散点图用plt.scatter(x,y)。画持续曲线鄙人一?例子中可以看到，用到了plt.plot(x,y)。

plt.xticks(loc，label)可以自定义x轴刻度的显示，第一个参数表示的是第二个参数label显示的地位loc。

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

2. 多项式拟归并画出拟合曲线

## 多项式拟合

效不雅图：

3. 画多个子图

这里用到的是sklearn的iris_dataset(鸢尾花数据集)。

此数据集包含四列，分别是鸢尾花的四个特点：

画出散点图如下：

这里起首对数据进行必定的处理，重要就是对特点名称进行两两分列组合，然后任两个特点一个一个做x轴另一个做y轴进行画图。

这里有一个分列组合参考代码，最后是掏出了两两组合的情况。

分列组合的结不雅是feature_names_2包含了分列组合的所有情况，它的每一个元素包含了一个分列组合的所有情况，比如第一个元素包含了所有单个元素分列组合的情况，第二个元素包含了所有的两两组合的情况……所以这里掏出了第二个元素，也就是所有的两两组合的情况

下面是在for轮回里画多个子图的办法。对我来说，这里须要进修的有不少。比如

for i,k in enumerate(feature_names_2[1]):这一句老是记不住。

比如大年夜列表中掏出某元素地点的索引的办法：index1 = feature_names.index(k[0])，也即index = list.index(element)的情势。

比如for轮回的下面这用法：for t,marker,c in zip(range(3),”>ox”,”rgb”):

这里的可视化效不雅如下：

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。

此时可视化效不雅如下：

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。

可视化效不雅：

【编辑推荐】

【义务编辑：枯木 TEL：（010）68476606】

　　推荐阅读

　　AI时代，医疗如何释放智能因子？

人工智能时代，人们须要从新想象每个行业。毫无疑问，医疗行业也位列个中，并且备受等待，这也是2017年夏季达沃斯论坛广受注目标热点。基因移植实现跨物种生殖、改革电鳗成为人体器官&hel>>>详细阅读

地址：http://www.17bianji.com/lsqh/35968.html