低維資料視覺化

知識要點

**實現

import pandas as pd

import matplotlib.pyplot as plt
from sklearn.datasets import make_circles
from sklearn.datasets import make_moons
def draw_circle():
# 引數
# n_samples: 設定樣本數量
# noise: 設定雜訊，noise越小資料越集中
# factor: 0 < factor < 1，預設值0.8，內外圓之間的比例因子
# random_state: 設定隨機引數
# 返回值
# x: [n_samples, 2]，生成的樣本，x_circle[:, 0]表示x座標，y_circle[:, 1]表示y座標
# y: [n_samples], 單位取值0或1
x_circle, y_circle = make_circles(n_samples=400, noise=0.1, factor=0.2)
# plt.figure新建視窗
plt.figure("circle")
# 前兩個引數表示點座標[x, y]，
# s表示標記符號的大小
# marker表示標記符號的型別，marker="o"表示標記符號為圓圈
# edgecolors表示邊框的顏色
# c表示顏色，這裡給定陣列使得不同取值的符號顯現不同的顏色
plt.scatter(x_circle[:, 0], x_circle[:, 1], s=100, marker="o", edgecolors='r', c=y_circle)
# 上方圖示
plt.title('data by make_circles()')
# 生成
plt.show()
def draw_moons():
# 引數
# n_samples: 設定樣本數量
# noise: 設定雜訊，noise越小資料越集中
# 返回值
# x: [n_samples, 2]，生成的樣本，x_moon[:, 0]表示x座標，y_moon[:, 1]表示y座標
# y: [n_samples], 單位取值0或1
x_moon, y_moon = make_moons(n_samples=400, noise=0.1)
plt.figure("moon")
plt.scatter(x_moon[:, 0], x_moon[:, 1], s=100, marker="o", edgecolors='b', c=y_moon)
plt.title("data by make_moons()")
plt.show()
if __name__ == '__main__':
draw_circle()
draw_moons()

參考資料

資料視覺化 什麼是資料視覺化

資料對應的英文單詞是data，從資訊獲取的角度看，資料是對目標觀察和記錄的結果，是現實世界中的時間 地點 事件 其他物件或概念的描述。不同學者對資料的作用也給出不同的定義，大致分為以下3類 視覺化對應的兩個英文單詞 visualize和visualization。visualize是動詞，描述 生成...

資料視覺化

資料視覺化主要旨在借助於圖形化手段，清晰有效地傳達與溝通資訊。但是，這並不就意味著資料視覺化就一定因為要實現其功能用途而令人感到枯燥乏味，或者是為了看上去絢麗多彩而顯得極端複雜。為了有效地傳達思想概念，美學形式與功能需要齊頭並進，通過直觀地傳達關鍵的方面與特徵，從而實現對於相當稀疏而又複雜的 資料集...

資料視覺化

畫餅圖 def print pie input data res for each in input data res each res.get each,0 1 label x for j in res fig plt.figure plt.pie x,labels label,autopct 1...