Python與機器學習之資料視覺化(三)
阿新 • • 發佈:2018-12-30
裝飾Matplotlib(標籤、文字、標記、註釋…)
在機器學習實際應用中,最關鍵的部分就是資料視覺化,否則無論除錯還是總結,你無從下手。python大牛們提供了非常牛逼的庫—Matplotlib
回顧
詳解影象組成
Figure
- 在matplotlib中,整個影象為Figure物件,理解為影象ID。
- Figure物件中包含多個Axes物件,理解為子圖ID。
如圖:
直線圖詳解Figure內部元件
title為影象標題,Axis為座標軸, Label為座標軸標註,Tick為刻度線,Tick Label為刻度註釋。
如圖:
各個物件關係從屬
影象中所有物件均來自於Artist的基類。
如圖:
用於美化的元件
Show me the code
import matplotlib.pyplot as plt
plt.figure(1, figsize=(5, 5))
##ax子圖ID
ax = plt.subplot(111)
plt.xticks(range(6))
# 如果不指定刻度,x軸與y軸都是1
plt.yticks(range(6))
##ANNOTATE
# xy箭頭的位置
# xytext文字框的位置,size文字框的大小
# va,ha字型顯示在文字框的位置
# 文字框邊框bbox=dict(boxstyle=邊框樣式,fc=前景色)
# 箭頭arrowprops=dict(arrowsyle=箭頭樣式,connectionstyle=連線路徑arc3直接連,完全形度),rad代表箭頭是否是彎的,+-定義彎的方向
ax.annotate(u"arrow", xy=(1, 1), \
xytext=(4, 4), size=15, \
va="center", ha="center", \
bbox=dict(boxstyle='sawtooth', fc="w"), \
arrowprops=dict(arrowstyle="-|>", connectionstyle="angle,rad=0.4", fc='r') \
)
##TEXT
bbox_props = dict(boxstyle="rarrow,pad=0.3" , fc="cyan", ec="b", lw=2)
ax.text(0, 0, "Direction", \
ha="center", va="center", \
rotation=45, size=15, \
bbox=bbox_props
)
##TABLE(不舉例了...)
ax.table(cellText=None, cellColours=None,\
cellLoc='right', colWidths=None,\
rowLabels=None, rowColours=None, rowLoc='left',\
colLabels=None, colColours=None, colLoc='center',\
loc='bottom', bbox=None)
##ARROW
ax.arrow(x, y, dx, dy, **kwargs)
plt.show()
Show me the picture
如圖:
總結
平時legend,annotate,text,label,title會多用一點~
接下來還會有一篇舉例,兩篇例子足夠大家使用了
如果您看到這篇文章有收穫或者有不同的意見,歡迎點贊或者評論。
python群:190341254
丁。