Python数据可视化——使用Matplotlib创建散点图

Python数据可视化——使用Matplotlib创建散点图

-12-27

作者：淡水化合物

转载请注明网址：/pengsky/p/8126623.html Matplotlib简述： Matplotlib是一个用于创建出高质量图表的桌面绘图包（主要是2D方面）。该项目是由John Hunter于2002年启动的，其目的是为Python构建一个MATLAB式的绘图接口。如果结合Python IDE使用比如PyCharm，matplotlib还具有诸如缩放和平移等交互功能。它不仅支持各种操作系统上许多不同的GUI后端，而且还能将图片导出为各种常见的矢量（vector）和光栅（raster）图：PDF、SVG、JPG、PNG、BMP、GIF等。 此外，Matplotlib还有许多插件工具集，如用于3D图形的mplot3d以及用于地图和投影的basemap。 准备数据：从文本文件中解析数据（数据来源于《机器学习实战》第二章 k邻近算法） datingTestSet2.txt文件下载地址：/s/1v2aINNptUHGgvMps2a_9Zg提取码：yuef

本文使用的数据主要包含以下三种特征：每年获得的飞行常客里程数，玩视频游戏所耗时间百分比，每周消费的冰淇淋公升数。其中分类结果作为文件的第四列，并且只有3、2、1三种分类值。datingTestSet2.csv文件格式如下所示：

数据在datingTestSet2.txt文件中的格式如下所示：

上述特征数据的格式经过file2matrix函数解析处理之后，可输出为矩阵和类标签向量。将文本记录转换为Numpy的解析程序，将以下代码保存在kNN.py中：

from numpy import *def file2matrix(filename):fr = open(filename)numberOfLines = len(fr.readlines()) # get the number of lines in the filereturnMat = zeros((numberOfLines, 3)) # prepare matrix to returnclassLabelVector = [] # prepare labels returnfr = open(filename)index = 0for line in fr.readlines():line = line.strip()listFromLine = line.split('\t')returnMat[index, :] = listFromLine[0:3]classLabelVector.append(int(listFromLine[-1]))index += 1return returnMat, classLabelVector

使用file2matrix读取文件数据，必须确保待解析文件存储在当前的工作目录中。导入数据之后，简单检查一下数据格式：

>>>import kNN>>>datingDataMat,datingLabels = kNN.file2matrix('datingTestSet2.txt')>>>datingDataMat[0:6]array([[ 4.09200000e+04, 8.32697600e+00, 9.53952000e-01],[ 1.44880000e+04, 7.15346900e+00, 1.67390400e+00],[ 2.60520000e+04, 1.44187100e+00, 8.05124000e-01],[ 7.51360000e+04, 1.31473940e+01, 4.28964000e-01],[ 3.83440000e+04, 1.66978800e+00, 1.34296000e-01],[ 7.29930000e+04, 1.01417400e+01, 1.03295500e+00]])>>> datingLabels[0:6][3, 2, 1, 1, 1, 1]

分析数据：使用Matplotlib创建散点图

编辑kNN.py文件，引入matplotlib，调用matplotlib的scatter绘制散点图。

>>> import matplotlib>>> import matplotlib.pyplot as plt>>> fig = plt.figure()>>> ax = fig.add_subplot(111)>>> ax.scatter(datingDataMat[:,1],datingDataMat[:,2])<matplotlib.collections.PathCollection object at 0x0000019E14C9A470>>>> plt.show()>>>

生成的散点图如下：

散点图使用datingDataMat矩阵的第二、第三列数据，分别表示特征值“玩视频游戏所耗时间百分比”和“每周消费的冰淇淋公升数”。kNN.py完整代码如下:

import matplotlibimport numpy as npfrom numpy import *from matplotlib import pyplot as pltdef file2matrix(filename):fr = open(filename)numberOfLines = len(fr.readlines()) # get the number of lines in the filereturnMat = zeros((numberOfLines, 3)) # prepare matrix to returnclassLabelVector = [] # prepare labels returnfr = open(filename)index = 0for line in fr.readlines():line = line.strip()listFromLine = line.split('\t')returnMat[index, :] = listFromLine[0:3]classLabelVector.append(int(listFromLine[-1]))index += 1return returnMat, classLabelVectordatingDataMat,datingLabels = file2matrix('datingTestSet2.txt')fig = plt.figure()ax = plt.subplot(111)ax.scatter(datingDataMat[:,1],datingDataMat[:,2])plt.show()

上图由于没有使用样本分类的特征值，很难看到任何有用的数据模式信息。为了更好理解数据信息，Matplotlib库提供的scatter函数支持个性化标记散点图上的点。调用scatter函数使用下列参数：

ax.scatter(datingDataMat[:,1],datingDataMat[:,2],15.0*array(datingLabels),15.0*array(datingLabels))

生成的散点图如下：

上图利用datingLabels存储的类标签属性，在散点图上绘制了色彩不等、尺寸不同的点。因而基本上可以从图中看到数据点所属三个样本分类的区域轮廓。为了得到更好的效果，采用datingDataMat矩阵的属性列1和2展示数据，并以红色的'*'表示类标签1、蓝色的'o'表示表示类标签2、绿色的'+'表示类标签3，修改参数如下：

import matplotlibimport numpy as npfrom numpy import *from matplotlib import pyplot as pltfrom matplotlib.font_manager import FontProperties def file2matrix(filename):fr = open(filename)numberOfLines = len(fr.readlines()) # get the number of lines in the filereturnMat = zeros((numberOfLines, 3)) # prepare matrix to returnclassLabelVector = [] # prepare labels returnfr = open(filename)index = 0for line in fr.readlines():line = line.strip()listFromLine = line.split('\t')returnMat[index, :] = listFromLine[0:3]classLabelVector.append(int(listFromLine[-1]))index += 1return returnMat, classLabelVectorzhfont = FontProperties(fname='C:/Windows/Fonts/simsun.ttc',size=12)datingDataMat,datingLabels = file2matrix('datingTestSet2.txt')fig = plt.figure()plt.figure(figsize=(8, 5), dpi=80)ax = plt.subplot(111)datingLabels = np.array(datingLabels)idx_1 = np.where(datingLabels==1)p1 = ax.scatter(datingDataMat[idx_1,0],datingDataMat[idx_1,1],marker = '*',color = 'r',label='1',s=10)idx_2 = np.where(datingLabels==2)p2 = ax.scatter(datingDataMat[idx_2,0],datingDataMat[idx_2,1],marker = 'o',color ='g',label='2',s=20)idx_3 = np.where(datingLabels==3)p3 = ax.scatter(datingDataMat[idx_3,0],datingDataMat[idx_3,1],marker = '+',color ='b',label='3',s=30)plt.xlabel(u'每年获取的飞行里程数', fontproperties=zhfont)plt.ylabel(u'玩视频游戏所消耗的事件百分比', fontproperties=zhfont)ax.legend((p1, p2, p3), (u'不喜欢', u'魅力一般', u'极具魅力'), loc=2, prop=zhfont)plt.show()

生成的散点图如下：

第二种方法：

import matplotlibfrom matplotlib import pyplot as pltfrom matplotlib import font_managerdef file2matrix(filename):fr = open(filename)numberOfLines = len(fr.readlines()) # get the number of lines in the filereturnMat = zeros((numberOfLines, 3)) # prepare matrix to returnclassLabelVector = [] # prepare labels returnfr = open(filename)index = 0for line in fr.readlines():line = line.strip()listFromLine = line.split('\t')returnMat[index, :] = listFromLine[0:3]classLabelVector.append(int(listFromLine[-1]))index += 1return returnMat, classLabelVectormatrix, labels = file2matrix('datingTestSet2.txt')zhfont = matplotlib.font_manager.FontProperties(fname='C:/Windows/Fonts/simsun.ttc',size=12)plt.figure(figsize=(8, 5), dpi=80)axes = plt.subplot(111)# 将三类数据分别取出来# x轴代表飞行的里程数# y轴代表玩视频游戏的百分比type1_x = []type1_y = []type2_x = []type2_y = []type3_x = []type3_y = []for i in range(len(labels)):if labels[i] == 1: # 不喜欢 type1_x.append(matrix[i][0])type1_y.append(matrix[i][1])if labels[i] == 2: # 魅力一般 type2_x.append(matrix[i][0])type2_y.append(matrix[i][1])if labels[i] == 3: # 极具魅力#print (i, '：', labels[i], ':', type(labels[i])) type3_x.append(matrix[i][0])type3_y.append(matrix[i][1])type1 = axes.scatter(type1_x, type1_y, s=20, c='red')type2 = axes.scatter(type2_x, type2_y, s=40, c='green')type3 = axes.scatter(type3_x, type3_y, s=50, c='blue')plt.xlabel(u'每年获取的飞行里程数', fontproperties=zhfont)plt.ylabel(u'玩视频游戏所消耗的事件百分比', fontproperties=zhfont)axes.legend((type1, type2, type3), (u'不喜欢', u'魅力一般', u'极具魅力'), loc=2, prop=zhfont)plt.show()

生成的散点图如下：

总结： 本文简单介绍了Matplotlib，并以实例分析了如何使用Matplotlib库图形化展示数据，最后通过修改matplotlib的scatter函数参数使得散点图的分类区域更加清晰。 附加知识点： 1、在使用Matplotlib生成图表时，默认不支持汉字，所有汉字都会显示成框框。 解决方法：代码中指定中文字体

# -*- coding: utf-8 -*-import matplotlib.pyplot as pltimport matplotlibzhfont1 = matplotlib.font_manager.FontProperties(fname='C:/Windows/Fonts/simsun.ttc') plt.xlabel(u"横坐标xlabel",fontproperties=zhfont1)

到C:\Windows\Fonts\中找到新宋体对应的字体文件simsun.ttf（Window 8和Windows10系统是simsun.ttc，也可以使用其他字体）

2、ax = fig.add_subplot(111) 返回Axes实例 参数一，子图总行数 参数二，子图总列数 参数三，子图位置 在Figure上添加Axes的常用方法 创作不易，觉得不错就鼓励一下吧！Creation is not easy to feel good, just encourage it.