Minha coluna do blog da CSDN: https://blog.csdn.net/yty_7
Endereço do Github: https://github.com/yot777/
Visualize dados usando o Matplotlib
O Matplotlib pode criar muitos gráficos visuais, possui um ambiente rico de ferramentas Python, vá para o seguinte tutorial para aprender:
https://blog.csdn.net/zw0Pi8G5C1x/article/details/79186024
Se você não planeja estudar em profundidade, pode usar o diagrama a seguir para entender brevemente alguns termos importantes do Matplotlib:
Combinado com o conteúdo da seção anterior, demonstre como usar o Matplotlib para visualizar dados no Python.
Etapa 1: queremos apresentar a biblioteca Matplotlib, use a seguinte declaração de importação e, em seguida, use a abreviação da biblioteca Matplotlib como plt .
import matplotlib.pyplot as pltSe você for solicitado que o módulo matplotlib não está instalado, use o comando pip do Python para instalá-lo.
Etapa 2: Temos que decidir qual desenho desenhar, porque os dados usados na seção anterior são:
1 2 1
4 5 0
2 1 1
4 2 1
6 1 0
3 3 1
5 2 0
4 5 0
2 7 0
2 6 1
As duas primeiras colunas são recursos e a última coluna é um rótulo, com um total de 10 partes de dados; portanto, desenhamos um gráfico de dispersão e rótulos diferentes mostram cores diferentes .
scatter () é uma função da biblioteca Matplotlib para desenhar um gráfico de dispersão.O protótipo é o seguinte:
matplotlib.pyplot.scatter (x, y, s = nenhum, c = nenhum, marcador = nenhum, cmap = nenhum, norma = nenhum, vmin = nenhum, vmax = nenhum, alfa = nenhum, alfa = nenhum, largura de linha = nenhum, verts = nenhum, edgecolors = None, *, data = None, ** kwargs)
Por enquanto, usaremos apenas a forma mais simples da função scatter (): scatter (x, y)
Os parâmetros (x, y) representam a coordenada do eixo xe a coordenada do eixo y do ponto de dados a ser desenhado.
Preste atenção especial a x, y são tuplas de comprimento n , os exemplos são os seguintes:
import matplotlib.pyplot as plt
#画出3个散点，坐标分别是(1,1)、(2,4)、(3,9)
plt.scatter((1,2,3), (1,4,9))
plt.show()Os resultados são mostrados na figura:
Para uma explicação detalhada da função scatter (), siga em frente:
https://blog.csdn.net/m0_37393514/article/details/81298503
Etapa 3: classifique os dados originais de acordo com rótulos diferentes, ou seja, coloque o grupo com o rótulo 0 em um grupo e coloque o grupo com o rótulo 1 em um grupo
Etapa 4: importe o conjunto de dados rotulado 0 para as coordenadas do eixo xe do eixo y usando a função scatter ().
Etapa 5: importe o conjunto de dados rotulado 1 para as coordenadas do eixo xe do eixo y usando a função scatter ().
Etapa 6: Exiba o gráfico de dispersão desenhado.
O código é o seguinte, observe que há uma pequena diferença em relação ao código anterior:
O código na seção anterior:
#特征矩阵featureMat实际上是二维列表，注意添加元素的方法和一维列表稍有不同
featureMat.append([lineArr[0], lineArr[1]])
#向标签向量labelMat添加元素，即lineArr当前行的最后1个元素
labelMat.append(lineArr[-1])Código nesta seção:
#特征矩阵featureMat实际上是二维列表，注意添加元素的方法和一维列表稍有不同
featureMat.append([float(lineArr[0]), float(lineArr[1])])
#向标签向量labelMat添加元素，即lineArr当前行的最后1个元素
labelMat.append(float(lineArr[-1]))Nota: Cada elemento da matriz de recursos featureMat e label vector labelMat é forçado a ser convertido para o tipo numérico de ponto flutuante flutuante, para facilitar a função scatter () para identificar as coordenadas do eixo x e do eixo y, porque as coordenadas só podem ser números. Personagem.
O código completo é o seguinte:
import matplotlib.pyplot as plt
import numpy as np
def loadDataSet(fileName):
#创建空特征矩阵
featureMat = []
#创建空标签向量
labelMat = []
#打开文件
fr = open(fileName)
#按行遍历读取文件
for line in fr.readlines():
#每一行先去掉回车换行符，再以Tab键为元素之间的分隔符号，把每一行分割成若干个元素
lineArr = line.strip().split('\t')
#向特征矩阵featureMat添加元素，即lineArr当前行的第0个元素和第1个元素
#特征矩阵featureMat实际上是二维列表，注意添加元素的方法和一维列表稍有不同
featureMat.append([float(lineArr[0]), float(lineArr[1])])
#向标签向量labelMat添加元素，即lineArr当前行的最后1个元素
labelMat.append(float(lineArr[-1]))
#当前行的元素已添加到特征矩阵featureMat和标签向量labelMat，进入下一行继续
#所有行都读取完毕后关闭文件
fr.close()
#整个loadDataSet()函数返回特征矩阵featureMat和标签向量labelMat
return featureMat, labelMat
def showDataSet(featureMat, labelMat):
#创建标签为1的样本列表
data_one = []
#创建标签为0的样本列表
data_zero = []
#遍历特征矩阵featureMat，i是特征矩阵featureMat的当前行
#特征矩阵featureMat的两个特征列，正好是散点图的数据点的x轴坐标和y轴坐标
for i in range(len(featureMat)):
#如果特征矩阵featureMat的当前行号i对应的标签列表labelMat[i]的值为1
if labelMat[i] == 1:
#将当前特征矩阵featureMat[i]行添入data_one列表
data_one.append(featureMat[i])
#如果特征矩阵featureMat的当前行号i对应的标签列表labelMat[i]的值为0
elif labelMat[i] == 0:
#将当前特征矩阵featureMat[i]行添入data_zero列表
data_zero.append(featureMat[i])
#将做好的data_one列表转换为numpy数组data_one_np
data_one_np = np.array(data_one)
#将做好的data_zero列表转换为numpy数组data_zero_np
data_zero_np = np.array(data_zero)
#根据标签为1的样本的x坐标（即data_one_np的第0列）和y坐标（即data_one_np的第1列）来绘制散点图
plt.scatter(data_one_np[:,0], data_one_np[:,1])
#根据标签为0的样本的x坐标（即data_zero_np的第0列）和y坐标（即data_zero_np的第1列）来绘制散点图
plt.scatter(data_zero_np[:,0], data_zero_np[:,1])
#显示画好的散点图
plt.show()
if __name__ == '__main__':
#调用loadDataSet()函数
X, y = loadDataSet('test.txt')
#调用showDataSet()函数
showDataSet(X, y)
Os resultados são mostrados na figura:
Podemos ver intuitivamente a partir do gráfico de dispersão:
Os pontos azuis (rotulados 1) parecem estar concentrados na parte inferior esquerda da figura e os pontos laranja (rotulados 0) parecem estar concentrados na parte superior direita da figura
Vamos adicionar mais dois pontos A e B ao gráfico de dispersão.Pense nos rótulos deles? Esse é o problema que o KNN, o primeiro algoritmo para aprendizado de máquina, está prestes a resolver.
Sumário
O Matplotlib pode criar muitos gráficos visuais, desenhando etapas:
Etapa 1: Importe a biblioteca Matplotlib e use import matplotlib.pyplot como plt
Etapa 2: Decida qual gráfico desenhar, esta seção é um gráfico de dispersão
Por enquanto, apenas a forma mais simples da função scatter () é usada para gráficos de dispersão: scatter (x, y)
Os parâmetros (x, y) representam a coordenada do eixo xe a coordenada do eixo y do ponto de dados a ser desenhado.
Preste atenção especial a x, y são tuplas de comprimento n
Etapa 3: classifique os dados originais de acordo com rótulos diferentes, ou seja, coloque o grupo com o rótulo 0 em um grupo e coloque o grupo com o rótulo 1 em um grupo
Etapa 4: importe o conjunto de dados rotulado 0 para as coordenadas do eixo xe do eixo y usando a função scatter ().
Etapa 5: importe o conjunto de dados rotulado 1 para as coordenadas do eixo xe do eixo y usando a função scatter ().
Etapa 6: Exiba o gráfico de dispersão desenhado.
Nota: Cada elemento da matriz de recurso featureMat e do vetor de rótulo labelMat deve ser forçado a se transformar em um tipo numérico de ponto flutuante.
Minha coluna do blog da CSDN: https://blog.csdn.net/yty_7
Endereço do Github: https://github.com/yot777/
Se você acha que este capítulo é útil para você, seja bem-vindo a seguir, comentar e curtir! O Github recebe seu Follow e Star!
