二、關於matplotlib的所有操作
總結機器學習中資料的視覺化是我們必不可少的工具,今天我們來學習matplotlib的基本畫圖操作。
matplotlib中我們只需要借助matplotlib.pyplot進行資料視覺化,首先引入第三方庫。
import matplotlib.pyplot as plt
同時為便於選取視覺化的資料,我們借助numpy得到資料。
import numpy as np
x = np.
linspace(0
,10,100
)y = np.
sin(x)
**如下:
plt.
plot
(x, y)
這裡的y是我們在1.2中準備的y=sin(x),所以做出的圖為正弦函式的影象。如下:
**如下(示例):
plt.
plot
(x,siny)
plt.
plot
(x,cosy)
執行結果如下:
改變顏色和形狀,形狀由linestyle更改,讀者可在help文件中查閱;顏色直接改為如color="red"即可。
plt.
plot
(x,siny,plt.
plot
(x,siny,linestyle =
"--"
)plt.
plot
(x,cosy,linestyle=
":")
執行結果為:
可通過axis縱座標所屬區間。
plt.plot(x,siny)
plt.plot(x,cosy)
plt.axis([-1,11,-2,2])
執行結果為:
通過label標籤顯示橫縱座標名字,title顯示標題,legend自動給出圖例。
plt.
plot
(x,siny,label=
"sin(x)"
)plt.
plot
(x,cosy,label=
"cos(x)"
)plt.
xlabel
("x axis"
)plt.
ylabel
("y value"
)plt.
legend()
plt.
title
("welcome to the ml world!"
)
執行結果為:
同樣以上文的資料為例
plt.
scatter
(x,siny)
繪製的散點圖為:
散點圖各個屬性值的更改於連續圖沒有區別 ,這裡要說明乙個設定散點圖透明度的函式,便於以後使用。
通過plt.scatter(x,y, alpha=0.2)本語句中alpha的值來調節透明度的高低,值一般在0,1之間,讀者可更具需求自行更改。
**如下:
x = np.random.normal(0,1,100)
y = np.random.normal(0,1,100)
plt.scatter(x,y, alpha=0.2)
筆者取alpha值為0.2,由於比較小,故透明度較高,執行結果如下:
雖然資料視覺化並不是機器學習的重點內容,但它是機器學習過程中,必不可少的必要工具,希望讀者多加練習,不僅僅把matplotlib應用在機器學習領域,還可用於數學建模等做資料的視覺化。
機器學習基礎 資料視覺化
資料視覺化 資料視覺化是大資料領域非常倚重的一項技術,但由於業內浮躁的大環境影響,這項技術的地位漸漸有些尷尬。尤其是在諸如態勢感知 威脅情報等應用中,簡陋的視覺化效果太醜,過於華麗的視覺化效果只能忽悠忽悠外行,而給內行的感覺就是刻意為之 華而不實。曾幾何時,視覺化技術不過是一種資料分析的手段罷了。慚...
資料視覺化之pyecharts
pyecharts乙個讓你變得強大的學習 首先來開始繪製你的第乙個圖表 from pyecharts.charts import bar bar bar bar.add xaxis 可樂 雪碧 礦泉水 咖啡 冰紅茶 涼白開 bar.add yaxis 商家a 5,20,36,10,75,90 ren...
資料視覺化之MarkPoint
首先還是先看看資料上的邏輯。上圖是乙個資料格式,placelist包括每乙個關鍵點的名稱和座標位置,而在風格中主要有name,可以設定為強中弱三種,分別對應markpoint圖中白藍綠三種效果,型別是中國地圖,而具體的風格在儲存在markpoint欄位中。我們在看看markpoint欄位裡面是什麼內...