Python数据可视化——使用Matplotlib建立散点图

 Python数据可视化——使用Matplotlib建立散点图

2017-12-27

做者：淡水化合物

转载请注明网址：http://www.javashuo.com/article/p-mjzudduz-c.html

Matplotlib简述：

　　Matplotlib是一个用于建立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。若是结合Python IDE使用好比PyCharm，matplotlib还具备诸如缩放和平移等交互功能。它不只支持各类操做系统上许多不一样的GUI后端，并且还能将图片导出为各类常见的矢量（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： https://pan.baidu.com/s/1v2aINNptUHGgvMps2a_9Zg 提取码：yuef 

 

　　本文使用的数据主要包含如下三种特征：每一年得到的飞行常客里程数，玩视频游戏所耗时间百分比，每周消费的冰淇淋公升数。其中分类结果做为文件的第四列，而且只有三、二、1三种分类值。datingTestSet2.csv文件格式以下所示：

 

飞行里程数	游戏耗时百分比	冰淇淋公升数	分类结果
40920	8.326976	0.953952	3
14488	7.153469	1.673904	2
26052	1.441871	0.805124	1
......	......	......	......

　　数据在datingTestSet2.txt文件中的格式以下所示：

　　 上述特征数据的格式通过file2matrix函数解析处理以后，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，将如下代码保存在kNN.py中：

from numpy import *
def file2matrix(filename): fr = open(filename) numberOfLines = len(fr.readlines()) # get the number of lines in the 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读取文件数据，必须确保待解析文件存储在当前的工做目录中。导入数据以后，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建立散点图

　　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() >>>

　　生成的散点图以下：

　　散点图使用datingDataMat矩阵的第2、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()

 

　　上图因为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))

　　生成的散点图以下：

　　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、尺寸不一样的点。于是基本上能够从图中看到数据点所属三个样本分类的区域轮廓。为了获得更好的效果，采用datingDataMat矩阵的属性列1和2展现数据，并以红色的'*'表示类标签一、蓝色的'o'表示表示类标签二、绿色的'+'表示类标签3，修改参数以下：

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'魅力通常', u'极具魅力'), loc=2, prop=zhfont) plt.show()

 

　　生成的散点图以下：

第二种方法：

 

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) # 将三类数据分别取出来 # x轴表明飞行的里程数 # y轴表明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:  # 魅力通常
 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'每一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'魅力通常', u'极具魅力'), loc=2, prop=zhfont) plt.show()

　生成的散点图以下：

　

总结：

本文简单介绍了Matplotlib，并以实例分析了如何使用Matplotlib库图形化展现数据，最后经过修改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：

一、在使用Matplotlib生成图表时，默认不支持汉字，全部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 plt import matplotlib zhfont1 = 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，也能够使用其余字体）

二、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的经常使用方法

创做不易， 以为不错就鼓励一下吧！Creation is not easy to feel good, just encourage it.