Python數據可視化——使用Matplotlib建立散點圖

 Python數據可視化——使用Matplotlib建立散點圖

2017-12-27

做者：淡水化合物

轉載請註明網址：http://www.javashuo.com/article/p-mjzudduz-c.html

Matplotlib簡述：

　　Matplotlib是一個用於建立出高質量圖表的桌面繪圖包（主要是2D方面）。該項目是由John Hunter於2002年啓動的，其目的是爲Python構建一個MATLAB式的繪圖接口。若是結合Python IDE使用好比PyCharm，matplotlib還具備諸如縮放和平移等交互功能。它不只支持各類操做系統上許多不一樣的GUI後端，並且還能將圖片導出爲各類常見的矢量（vector）和光柵（raster）圖：PDF、SVG、JPG、PNG、BMP、GIF等。 此外，Matplotlib還有許多插件工具集，如用於3D圖形的mplot3d以及用於地圖和投影的basemap。

準備數據：從文本文件中解析數據（數據來源於《機器學習實戰》第二章 k鄰近算法）

datingTestSet2.txt文件下載地址： https://pan.baidu.com/s/1v2aINNptUHGgvMps2a_9Zg 提取碼：yuef 

 

　　本文使用的數據主要包含如下三種特徵：每一年得到的飛行常客里程數，玩視頻遊戲所耗時間百分比，每週消費的冰淇淋公升數。其中分類結果做爲文件的第四列，而且只有三、二、1三種分類值。datingTestSet2.csv文件格式以下所示：

 

飛行里程數	遊戲耗時百分比	冰淇淋公升數	分類結果
40920	8.326976	0.953952	3
14488	7.153469	1.673904	2
26052	1.441871	0.805124	1
......	......	......	......

　　數據在datingTestSet2.txt文件中的格式以下所示：

　　 上述特徵數據的格式通過file2matrix函數解析處理以後，可輸出爲矩陣和類標籤向量。將文本記錄轉換爲Numpy的解析程序，將如下代碼保存在kNN.py中：

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

　　

　　使用file2matrix讀取文件數據，必須確保待解析文件存儲在當前的工做目錄中。導入數據以後，簡單檢查一下數據格式：

 

>>>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]

 分析數據：使用Matplotlib建立散點圖

　　編輯kNN.py文件，引入matplotlib，調用matplotlib的scatter繪製散點圖。

>>> 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() >>>

　　生成的散點圖以下：

　　散點圖使用datingDataMat矩陣的第2、第三列數據，分別表示特徵值「玩視頻遊戲所耗時間百分比」和「每週消費的冰淇淋公升數」。kNN.py完整代碼以下:

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

 

　　上圖因爲沒有使用樣本分類的特徵值，很難看到任何有用的數據模式信息。爲了更好理解數據信息，Matplotlib庫提供的scatter函數支持個性化標記散點圖上的點。調用scatter函數使用下列參數：

 

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

　　生成的散點圖以下：

　　上圖利用datingLabels存儲的類標籤屬性，在散點圖上繪製了色彩不等、尺寸不一樣的點。於是基本上能夠從圖中看到數據點所屬三個樣本分類的區域輪廓。爲了獲得更好的效果，採用datingDataMat矩陣的屬性列1和2展現數據，並以紅色的'*'表示類標籤一、藍色的'o'表示表示類標籤二、綠色的'+'表示類標籤3，修改參數以下：

import matplotlib import numpy as np from numpy import *
from matplotlib import pyplot as plt from matplotlib.font_manager import FontProperties def file2matrix(filename): fr = open(filename) numberOfLines = len(fr.readlines())  # get the number of lines in the file
    returnMat = zeros((numberOfLines, 3))  # prepare matrix to return
    classLabelVector = []  # prepare labels return
    fr = open(filename) index = 0 for line in fr.readlines(): line = line.strip() listFromLine = line.split('\t') returnMat[index, :] = listFromLine[0:3] classLabelVector.append(int(listFromLine[-1])) index += 1
    return returnMat, classLabelVector zhfont = 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'每一年獲取的飛行里程數', fontproperties=zhfont) plt.ylabel(u'玩視頻遊戲所消耗的事件百分比', fontproperties=zhfont) ax.legend((p1, p2, p3), (u'不喜歡', u'魅力通常', u'極具魅力'), loc=2, prop=zhfont) plt.show()

 

　　生成的散點圖以下：

第二種方法：

 

import matplotlib from matplotlib import pyplot as plt from matplotlib import font_manager def file2matrix(filename): fr = open(filename) numberOfLines = len(fr.readlines())  # get the number of lines in the file
    returnMat = zeros((numberOfLines, 3))  # prepare matrix to return
    classLabelVector = []  # prepare labels return
    fr = open(filename) index = 0 for line in fr.readlines(): line = line.strip() listFromLine = line.split('\t') returnMat[index, :] = listFromLine[0:3] classLabelVector.append(int(listFromLine[-1])) index += 1
    return returnMat, classLabelVector matrix, 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) # 將三類數據分別取出來 # x軸表明飛行的里程數 # y軸表明玩視頻遊戲的百分比
type1_x = [] type1_y = [] type2_x = [] type2_y = [] type3_x = [] type3_y = [] for i in range(len(labels)): if labels[i] == 1:  # 不喜歡
 type1_x.append(matrix[i][0]) type1_y.append(matrix[i][1]) if labels[i] == 2:  # 魅力通常
 type2_x.append(matrix[i][0]) type2_y.append(matrix[i][1]) if labels[i] == 3:  # 極具魅力
        #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'每一年獲取的飛行里程數', fontproperties=zhfont) plt.ylabel(u'玩視頻遊戲所消耗的事件百分比', fontproperties=zhfont) axes.legend((type1, type2, type3), (u'不喜歡', u'魅力通常', u'極具魅力'), loc=2, prop=zhfont) plt.show()

　生成的散點圖以下：

　

總結：

本文簡單介紹了Matplotlib，並以實例分析瞭如何使用Matplotlib庫圖形化展現數據，最後經過修改matplotlib的scatter函數參數使得散點圖的分類區域更加清晰。

附加知識點：

一、在使用Matplotlib生成圖表時，默認不支持漢字，全部漢字都會顯示成框框。

解決方法：代碼中指定中文字體

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

　　到C:\Windows\Fonts\中找到新宋體對應的字體文件simsun.ttf（Window 8和Windows10系統是simsun.ttc，也能夠使用其餘字體）

二、ax = fig.add_subplot(111)

　　返回Axes實例

　　參數一，　子圖總行數

　　參數二，　子圖總列數

　　參數三，　子圖位置

　　在Figure上添加Axes的經常使用方法

創做不易， 以爲不錯就鼓勵一下吧！Creation is not easy to feel good, just encourage it.