数据可视化matplotlib、seaborn、pydotplus一、数据可视化 方法二 方法三

如需转发，请注明出处：小婷儿的python  https://www.cnblogs.com/xxtalhr/p/10486560.html

一、数据可视化

data.mat

链接：https://pan.baidu.com/s/1XMi-71QzlzkGppN17AS1bw
提取码：uddg

     

 方法一

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import scipy.io as sio

#导入数据

mat = sio.loadmat('../data.mat')
mat.keys()
data1 = pd.DataFrame(mat.get('X'), columns=['X1', 'X2'])
data1.head()

fig, ax = plt.subplots(figsize=(12,8))
ax.scatter(data1['X1'],data1['X2'])
plt.show()

      方法二

plt.figure(figsize=(12,8))
plt.scatter(data1['X1'],data1['X2'])
plt.show()

      方法三

sns.lmplot('X1', 'X2', data=data1, fit_reg=False)
plt.show()

 三种方法运行结果：

 

   方法四 决策树的可视化

 

#首先载入类库：
from sklearn.datasets import load_iris
from sklearn import tree
import pydotplus
import os

#接着载入sciki-learn的自带数据，有决策树拟合，得到模型：
iris = load_iris()
clf = tree.DecisionTreeClassifier()
clf = clf.fit(iris.data, iris.target)

#现在可以将模型存入dot文件iris.dot。
with open("./iris.dot", 'w') as f:
    f = tree.export_graphviz(clf,out_file=f)

#这时候我们有3种可视化方法，第一种是用graphviz的dot命令生成决策树的可视化文件，
#敲完这个命令后当前目录就可以看到决策树的可视化文件iris.pdf.打开可以看到决策树的模型图。

#方法4.1   注意，这个命令在命令行执行
dot -Tpdf iris.dot -o iris.pdf

#方法4.2   用pydotplus生成iris.pdf。这样就不用再命令行去专门生成pdf文件了。

import pydotplus 

dot_data = tree.export_graphviz(clf, out_file=None) 
graph = pydotplus.graph_from_dot_data(dot_data) 
graph.write_pdf("iris.dots.pdf") 
os.environ['PATH'] += os.pathsep+ 'C:Program Files (x86)Graphviz2.38bin'

#方法4.3   个人比较推荐的做法，因为这样可以直接把图产生在ipython的notebook。
from IPython.display import Image  
import pydotplus

dot_data = tree.export_graphviz(clf, out_file=None, 
                         feature_names=iris.feature_names,  
                         class_names=iris.target_names,  
                         filled=True, rounded=True,  
                         special_characters=True)  
graph = pydotplus.graph_from_dot_data(dot_data)  
Image(graph.create_png()) 

 方法四结果：

 

欢迎关注小婷儿的博客：

　　csdn：https://blog.csdn.net/u010986753

　　博客园：http://www.cnblogs.com/xxtalhr/

 

　　有问题请在博客下留言或加作者微信：tinghai87605025 或 QQ ：87605025

　　python QQ交流群：py_data 483766429

 

　　OCP培训说明连接：https://mp.weixin.qq.com/s/2cymJ4xiBPtTaHu16HkiuA

　　OCM培训说明连接：https://mp.weixin.qq.com/s/7-R6Cz8RcJKduVv6YlAxJA

 

　　小婷儿的python正在成长中，其中还有很多不足之处，随着学习和工作的深入，会对以往的博客内容逐步改进和完善哒。

重要的事多做几遍。。。。。。