《机器学习实践》2.2.2分析数据：使用matplotlib创建散点图

Posted 2020-10-22 王明辉的部落

 

#输出散点图
def f():
    datingDataMat,datingLabels = file2matrix("datingTestSet3.txt")

    fig = plt.figure()
    # ax = fig.add_subplot(199,projection=\'polar\')
    # ax = fig.add_subplot(111,projection=\'hammer\')
    # ax = fig.add_subplot(111,projection=\'lambert\')
    # ax = fig.add_subplot(111,projection=\'mollweide\')
    # ax = fig.add_subplot(111,projection=\'aitoff\')
    # ax = fig.add_subplot(111,projection=\'rectilinear\')
    # ax = fig.add_subplot(111,projection=\'rectilinear\')

    #此处的add_subplot参数的意思是把画布分为3行4列，画在从左到右从上到下的第2个格里
    ax = fig.add_subplot(3,4,2) #fig.add_subplot(342)也可以，但是这样无法表示两位数

    ax.scatter(datingDataMat[:,1],datingDataMat[:,2])

    # ax1 = fig.add_subplot(221)
    # ax1.plot(datingDataMat[:,1],datingDataMat[:,2])
    plt.show()

其中fig.add_subplot(3,4,2)的效果图如下（红框是我加的，原输出没有）：

所以fig.add_subplot(3,4,12)的效果就是：

所以，第三个参数不能超过前两个的乘积，如果用fig.add_subplot(a,b,c)来表示的话，ab>=c，否则会报错。

对于fig.add_subplot(3,4,12)这个函数，官方网站的解释似乎有点问题，链接https://matplotlib.org/api/_as_gen/matplotlib.figure.Figure.html?highlight=add_subplot#matplotlib.figure.Figure.add_subplot

查询add_subplot(*args, **kwargs)，得到如下解释：

*args

Either a 3-digit integer or three separate integers describing the position of the subplot. If the three integers are I, J, and K, the subplot is the Ith plot on a grid with J rows and K columns.

意思是，三个参数分别为I, J, K，表示J行K列，那I是什么？没有提及。

倒是下面的See also所指向的matplotlib.pyplot.subplot给出了正确的解释。

matplotlib.pyplot.subplot

subplot(nrows, ncols, index, **kwargs)

 In the current figure, create and return an Axes, at position index of a (virtual) grid of nrows by ncols axes. Indexes go from 1 to nrows *ncols, incrementing in row-major order.

If nrows, ncols and index are all less than 10, they can also be given as a single, concatenated, three-digit number.

For example, subplot(2, 3, 3) and subplot(233) both create an Axes at the top right corner of the current figure, occupying half of the figure height and a third of the figure width.

 

由于没有使用样本分类的特征值，我们很难看出来任何有价值的信息。Matplotlib库提供的scatter函数支持个性化标记散点图上的点。

#输出进行了分类的散点图
def g():
    datingDataMat,datingLabels = file2matrix("datingTestSet2.txt")
    fig = plt.figure()
    ax = fig.add_subplot(111)
    ax.set_title("scatter")
    #ax.scatter(datingDataMat[:,1],datingDataMat[:,2])
    #ax.scatter(datingDataMat[:,0],datingDataMat[:,1],15.0*array(datingLabels),15.0*array(datingLabels))
    print(datingLabels)
    ax.scatter(datingDataMat[:,1],datingDataMat[:,2],15.0 * array(datingLabels),15.0 * array(datingLabels))
　　#上式的后两个参数15.0 * array(datingLabels)和15.0 * array(datingLabels)，实际上是s和c两个参数，用于设置大小和颜色，可以不同，具体如下：

    #ax.scatter(datingDataMat[:,0],datingDataMat[:,1],s=15.0*array(datingLabels),c=15.0*array(datingLabels))
　　#其中的15只是为了扩大倍数，使差别更明显，只要你愿意，你可以用1000，100000等等任何数字去乘。

    plt.show()

这里着重说明一下scatter函数
Axes.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, *, data=None, **kwargs)

x,y表示点的位置
s表示点的大小，官方说明：
scalar or array_like, shape (n, ), optional，数值或类数组
size in points^2. Default is rcParams[\'lines.markersize\'] ** 2
语焉不详，没太看懂，看到了size，以下是逐步测试出来的结果，从效果来看，s可能是scale的缩写
为了便于测试，我在datingTestSet2.txt中只保留了前5个样本

40920 8.326976 0.953952 3
14488 7.153469 1.673904 2
26052 1.441871 0.805124 1
75136 13.147394 0.428964 1
38344 1.669788 0.134296 1

 

ax.scatter(datingDataMat[:,1],datingDataMat[:,2],s=1)执行效果如下

ax.scatter(datingDataMat[:,1],datingDataMat[:,2],s=100)
为了变化更明显，把s值扩大了100倍，执行效果如下：

 

作为单一数值的效果我们看到了，官方说明中，还有一个array_like的形式，我们来测试一下

ax.scatter(datingDataMat[:,1],datingDataMat[:,2],s=[1])，这个就不贴图了，和数值1是一样的，所有点的大小是一样的。

ax.scatter(datingDataMat[:,1],datingDataMat[:,2],s=[1,50])，看看这是什么效果：

有些变，有些不变，规律是什么？经过一番测试，中间过程不说了，函数会根据样本的位置与s中对应位置元素的值进行设置，举个栗子，

第1个样本的值是x=8.326976, y=0.953952，s中对应的第1个值是1，所以这个点的大小是1

第2个样本的值是x=7.153469, y=1.673904，s中对应的第2个值是50，所以这个点的大小是50

第3个样本的值是x=1.441871, y=0.805124，s中只有两个值，所以现在回到第1个值，是1，所以这个点的大小是50

以下同理，循环。

s=[1,50,500]时，同理。

 

 参数c

ax.scatter(datingDataMat[:,1],datingDataMat[:,2],s=[1,50], c=\'r\')

参数c表示点的颜色

c : color, sequence, or sequence of color, optional, default: ‘b’

c can be a single color format string, or a sequence of color specifications of length N, or a sequence of Nnumbers to be  mapped to colors using the cmap and norm specified via kwargs (see below). Note that c should not be a single numeric RGB or RGBA sequence because that is indistinguishable from an array of values to be colormapped. c can be a 2-D array in which the rows are RGB or RGBA, however, including the case of a single row to specify the same color for all points.

 Matplotlib recognizes the following formats to specify a color:

• an RGB or RGBA tuple of float values in [0, 1] (e.g., (0.1, 0.2, 0.5) or (0.1, 0.2, 0.5, 0.3));
• a hex RGB or RGBA string (e.g., \'#0F0F0F\' or \'#0F0F0F0F\');
• a string representation of a float value in [0, 1] inclusive for gray level (e.g., \'0.5\');
• one of {\'b\', \'g\', \'r\', \'c\', \'m\', \'y\', \'k\', \'w\'};
• a X11/CSS4 color name;
• a name from the xkcd color survey; prefixed with \'xkcd:\' (e.g., \'xkcd:sky blue\');
• one of {\'tab:blue\', \'tab:orange\', \'tab:green\', \'tab:red\', \'tab:purple\', \'tab:brown\', \'tab:pink\', \'tab:gray\', \'tab:olive\',\'tab:cyan\'} which are the Tableau Colors from the ‘T10’ categorical palette (which is the default color cycle);
• a “CN” color spec, i.e. \'C\' followed by a single digit, which is an index into the default property cycle (matplotlib.rcParams[\'axes.prop_cycle\']); the indexing occurs at artist creation time and defaults to black if the cycle does not include color.

All string specifications of color, other than “CN”, are case-insensitive.

c=\'r\'表示所有点的颜色都变为红色

如果要设置不同的颜色，要用数组或元组，如下：
ax.scatter(datingDataMat[:,1],datingDataMat[:,2],s=[1,50], c=(\'r\',\'b\'))
设置规律同参数s，1、2、3循环

参数marker

marker : MarkerStyle, optional, default: ‘o’

表示图上的点的样式，默认是\'o\'，也就是我们最常见的圆点，没看出来"."和"o"有什么区别。

All possible markers are defined here:

以下是所有可能的样式，各位有兴趣可以试一下，挺好玩的。 其中从TICKLEFT开始的几个英文单词，不知道怎么用。

marker	description
"."	point
","	pixel
"o"	circle
"v"	triangle_down
"^"	triangle_up
"<"	triangle_left
">"	triangle_right
"1"	tri_down
"2"	tri_up
"3"	tri_left
"4"	tri_right
"8"	octagon
"s"	square
"p"	pentagon
"P"	plus (filled)
"*"	star
"h"	hexagon1
"H"	hexagon2
"+"	plus
"x"	x
"X"	x (filled)
"D"	diamond
"d"	thin_diamond
"|"	vline
"_"	hline
TICKLEFT	tickleft
TICKRIGHT	tickright
TICKUP	tickup
TICKDOWN	tickdown
CARETLEFT	caretleft (centered at tip)
CARETRIGHT	caretright (centered at tip)
CARETUP	caretup (centered at tip)
CARETDOWN	caretdown (centered at tip)
CARETLEFTBASE	caretleft (centered at base)
CARETRIGHTBASE	caretright (centered at base)
CARETUPBASE	caretup (centered at base)
"None", " " or ""	nothing
\'$...$\'	render the string using mathtext.
verts	a list of (x, y) pairs used for Path vertices. The center of the marker is located at (0,0) and the size is normalized.
path	a Path instance.
(numsides, style, angle)	The marker can also be a tuple (numsides, style, angle), which will create a custom, regular symbol. numsides: the number of sides style: the style of the regular symbol: 0 a regular polygon 1 a star-like symbol 2 an asterisk 3 a circle (numsides and angle is ignored) angle: the angle of rotation of the symbol

For backward compatibility, the form (verts, 0) is also accepted, but it is equivalent to just verts for giving a raw set of vertices that define the shape.

 

其它的参数暂时不去分析，以后用到时再说。