1. 程式人生 > >Python與機器學習之資料視覺化(三)

Python與機器學習之資料視覺化(三)

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

  1. 在matplotlib中,整個影象為Figure物件,理解為影象ID。
  2. Figure物件中包含多個Axes物件,理解為子圖ID。

如圖:
這裡寫圖片描述

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:
這裡寫圖片描述

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:
這裡寫圖片描述

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:
這裡寫圖片描述

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:190341254
丁。