《机器学习实战》中关于决策树构建算法完全解析：
```
#使用文本注解绘制树的节点
import matplotlib.pyplot as plt
import matplotlib
#这两行引入中文字库，中文字体为仿宋（这是我自己加的）
matplotlib.rcParams['font.sans-serif']=[u'FangSong']
matplotlib.rcParams['axes.unicode_minus']=False
#定义文本框和箭头格式
decisionNode=dict(boxstyle="sawtooth",fc="0.8") #构建字典，描述树节点格式的常量
leafNode=dict(boxstyle="round4",fc="0.8") #boxstyle设置的是结点文本框的形状sawtooth为锯齿形，fc为边框线粗细
arrow_args=dict(arrowstyle="<-")
#绘制带箭头的注解
def plotNode(nodeTxt,centerPt,parentPt,nodeType): #参数意义：结点文本名(注解)、文本的中心点（箭头指向的点）、指向文本的点、
createPlot.ax1.annotate(nodeTxt,xy=parentPt,xycoords='axes fraction',\
xytext=centerPt,textcoords='axes fraction',\
va="center",ha="center",bbox=nodeType,arrowprops=arrow_args)
'''
annotate参数意义：
nodeTxt:数据点的文本名称
xy:指向文本的点
xycoords:设置为从左下角算起的轴分数
xyText:文本中心点
textcoords:同xycoords
va(verticalalignment):（设置文本框的数据中心点在文本框物理图案水平方向的哪边）水平对齐方式 ，可选参数 ： 'center' , 'top' , 'bottom' ,'baseline'
ha(horizontalalignment):（设置文本框的数据中心点在文本框物理图案垂直方向的哪边）垂直对齐方式，可选参数：'left','right','center'
bbox:结点的属性，即文本形状,线框粗细
arrowprops:设置的是箭头的形状（help函数查找可以得到形状类型）
'''
###定义图像（以下有更新该函数）
##def createPlot(myTree):
## fig=plt.figure("第一图",facecolor='white') #创建一个具体的绘图板
## fig.clf() #清空图像内容
## createPlot.ax1=plt.subplot(111,frameon=False) #"111"表示1行1列第一个，frameon表示是否显示坐标轴，默认为True，polar为极坐标，默认为False
## plotNode('决策节点',(0.5,0.1),(0.1,0.5),decisionNode) #见函数声明注解
## plotNode('叶子节点',(0.8,0.1),(0.3,0.8),leafNode)
## plt.show()
'''
函数内部定义全局变量的方法： createPlot.ax1=plt.subplot(111,frameon=False)
你想定义的变量首次被初始化的函数内，要<函数名>.<变量名>，在哪里都要声明该变量的域，
即使在被声明（初始化）的函数内部也是
'''
#得到叶节点的数量(不同于二叉树，不存在只有根节点的情况)
def getNumLeafs(myTree):
numLeafs=0
firstStr=list(myTree.keys())[0] #得到myTree中的第一个键
secondDict=myTree[firstStr] #得到myTree中第一个键的值（得到根节点）
for key in secondDict.keys(): #
if type(secondDict[key]).__name__=='dict':#得到键对应值的类型名，并与'dict'比较
numLeafs+=getNumLeafs(secondDict[key])#递归搜索叶节点个数
else: numLeafs+=1 #键的值非字典（非分节点）则为叶节点
return numLeafs #返回叶节点个数
#得到树的深度
def getTreeDepth(myTree):
maxDepth=0
firstStr=list(myTree.keys())[0]
secondDict=myTree[firstStr]
for key in secondDict.keys(): #对每一个分支进行遍历计数
if type(secondDict[key]).__name__=='dict':#得到键对应值的类型名，并与'dict'比较
thisDepth=1+getTreeDepth(secondDict[key])
else: thisDepth=1 #深究到底，出现叶节点
if thisDepth>maxDepth: #比较当前最深与得到深度
maxDepth=thisDepth #取最深的分支作为树深
return maxDepth #返回树的深度
'''
说明一点：
python 2里面的：firstStr=list(myTree.keys())[0]得到字典的所有键不需要将myTree.keys()列表化，
python 3做了修改，否则报错：TypeError: 'dict_keys' object does not support indexing
'''
#定义一个地点列表
def retrieveTree(i):
listOfTrees=[{'no surfacing':{0:'no',1:{'flippers':{0:'no',1:'yes'}}}},
{'no surfacing':{0:'no',1:{'filppers':{0:{'head':{0:'no',1:'yes'}},1:'no'}}}}]
return listOfTrees[i]
#在父子节点间填充文本信息（计算父子结点的中间位置）
def plotMidText(cntrPt,parentPt,txtString): #参数含义：子节点和父节点、文本内容
xMid=(parentPt[0]-cntrPt[0])/2.0+cntrPt[0]
yMid=(parentPt[1]-cntrPt[1])/2.0+cntrPt[1]
createPlot.ax1.text(xMid,yMid,txtString)
#完成主要绘图步骤（这里的画板x、y的范围都是0-1）
def plotTree(myTree,parentPt,nodeTxt): #参数意义：字典、父节点、数据点的文本名称
numLeafs=getNumLeafs(myTree) #计算树的叶子节点数目
depth=getTreeDepth(myTree) #计算树深
firstStr=list(myTree.keys())[0] #目标字典的键列表提取并得到第一个键（即根节点）
cntrPt=(plotTree.xOff+(1.0+float(numLeafs))/2.0/plotTree.totalW,plotTree.yOff)#得到根节点（递归得到的是局部根节点）
plotMidText(cntrPt,parentPt,nodeTxt) #计算父子节点的中间位置并添加文本
plotNode(firstStr,cntrPt,parentPt,decisionNode) #第一个函数，绘制带箭头的注解，参数意义：节点文本、数据中心点（子节点）、父节点、节点框的属性
secondDict=myTree[firstStr] #得到字典的第一个键（根节点）
plotTree.yOff=plotTree.yOff-1.0/plotTree.totalD #画完一层以后换层，y的值-1.0/树高（深）
for key in secondDict.keys(): #plotTree递归调用局部树的绘制构造整体，遍历第一个字典所有键并查看其属性
if type(secondDict[key]).__name__=='dict':
plotTree(secondDict[key],cntrPt,str(key))
else:
plotTree.xOff=plotTree.xOff+1.0/plotTree.totalW #plotTree.xOff的初始值为-0.6，目的是为了是图像在画板上对称，参数可调
plotNode(secondDict[key],(plotTree.xOff,plotTree.yOff),cntrPt,leafNode)#绘制点
plotMidText((plotTree.xOff,plotTree.yOff),cntrPt,str(key)) #线条上的文本信息
plotTree.yOff=plotTree.yOff+1.0/plotTree.totalD
#plotTree的许多参数值（全局变量）都是在createPlot()中进行初始化
def createPlot(inTree):
fig=plt.figure("决策树图解",facecolor='white') #创建一个画板
fig.clf() #清除画板上的所有东西
axprops=dict(xticks=[],yticks=[]) #创建字典
createPlot.ax1=plt.subplot(111,frameon=False,**axprops) #ax1的性质是一个分区画板
plotTree.totalW=float(getNumLeafs(inTree)) #得到叶子节点数目
plotTree.totalD=float(getTreeDepth(inTree)) #得到树深
plotTree.xOff=-0.5/plotTree.totalW #树结点摆放的位置x坐标：-0.5/树宽（叶子节点数目），负号的作用是调整图像位置，0.5参数是调整整个树的图像宽度
plotTree.yOff=1.0 #y坐标设置为1.0
plotTree(inTree,(0.5,1.0),'')
plt.show()
'''
以上三个函数的解释：
createPlot()给函数plotTree()进行初始化，初始化根节点，字典的第一个键的位置和最大（最外围）字典的树高、树宽（叶节点数目）
其中1/树高和1/树宽用于确定每个节点的坐标位置。
ploTree()得到字典的基本情况，得到根节点，绘制根节点，降层，遍历键的值：判断键的值是否为字典，若是字典，继续遍历；
若不是字典则是根节点，直接绘制根节点，绘制根节点时候，层数（y坐标）已确定，横坐标在之前结点x的基础上加（往右）1/树宽
最后plot.show()绘制图形
'''
```