文章原创,最近更新：2018-08-9
本章节的主要内容是:
重点介绍项目案例1: 优化约会网站的配对效果中的分析数据：使用 Matplotlib 画二维散点图。
1.KNN项目案例介绍:
项目案例1:
优化约会网站的配对效果
项目概述:
1）海伦使用约会网站寻找约会对象。经过一段时间之后，她发现曾交往过三种类型的人: 不喜欢的人、魅力一般的人、 极具魅力的人。
2）她希望： 1. 工作日与魅力一般的人约会 2. 周末与极具魅力的人约会 3. 不喜欢的人则直接排除掉。现在她收集到了一些约会网站未曾记录的数据信息，这更有助于匹配对象的归类。
开发流程：
- 收集数据：提供文本文件
- 准备数据：使用 Python 解析文本文件
- 分析数据：使用 Matplotlib 画二维散点图
- 训练算法：此步骤不适用于 k-近邻算法
- 测试算法：使用海伦提供的部分数据作为测试样本。
测试样本和非测试样本的区别在于：测试样本是已经完成分类的数据，如果预测分类与实际类别不同，则标记为一个错误。 - 使用算法：产生简单的命令行程序，然后海伦可以输入一些特征数据以判断对方是否为自己喜欢的类型。
数据集介绍
海伦把这些约会对象的数据存放在文本文件 datingTestSet2.txt (数据来源于《机器学习实战》第二章 k邻近算法)中，总共有 1000 行。
本文使用的数据主要包含以下三种特征：每年获得的飞行常客里程数，玩视频游戏所耗时间百分比，每周消费的冰淇淋公升数。其中分类结果作为文件的第四列，并且只有3、2、1三种分类值。datingTestSet2.csv文件格式如下所示：
| 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文件中的格式如下所示：
2.使用 Matplotlib 画二维散点图
使用Matplotlib创建散点图,相关代码如下:
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
fig=plt.figure()
ax=fig.add_subplot(1,1,1)
datingDataMat,datingLabels=file2matrix('datingTestSet2.txt')
ax.scatter(datingDataMat[:,1],datingDataMat[:,2],15.0*np.array(datingLabels),15.0*np.array(datingLabels))
plt.show()
输出结果如下:
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、尺寸不同的点。因而基本上可以从图中看到数据点所属三个样本分类的区域轮廓。为了得到更好的效果，采用datingDataMat矩阵的属性列1和2展示数据，并以红色的'*'表示类标签1、蓝色的'o'表示表示类标签2、绿色的'+'表示类标签3，修改参数如下：
import kNN
import operator
import matplotlib
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r"c:\windows\fonts\SimSun.ttc", size=14)
group,labels=kNN.createDataSet()
fig=plt.figure()
ax=fig.add_subplot(1,1,1)
datingDataMat,datingLabels=file2matrix('datingTestSet2.txt')
#ax.scatter(datingDataMat[:,1],datingDataMat[:,2],15.0*np.array(datingLabels),15.0*np.array(datingLabels))
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("每年获取的飞行里程数",fontproperties=font)
plt.ylabel("玩视频游戏所消耗的事件百分比",fontproperties=font)
ax.legend((p1,p2,p3),("不喜欢","魅力一般","极具魅力"),loc=2,prop=font)
plt.show()
输出结果如下:
3.相关知识点
知识点1:plt.figure()
figure概念的理解,具体如下图:
我们先理清 figure的概念。用画板和画纸来做比喻的话，figure就好像是画板，是画纸的载体，但具体画画等操作是在画纸上完成的。在pyplot中，画纸的概念对应的就是Axes/Subplot。
figure语法说明,具体如下:
figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)
- num:图像编号或名称，数字为编号 ，字符串为名称
- figsize:指定figure的宽和高，单位为英寸；
- dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80
- facecolor:背景颜色
- edgecolor:边框颜色
- frameon:是否显示边框
具体小案例如下:
案例1
import matplotlib.pyplot as plt
fig = plt.figure(figsize=(4,3),facecolor="blue")
plt.subplot(221)
plt.show()
输出结果如下:
案例2
import matplotlib.pyplot as plt
fig = plt.figure(facecolor="blue")
plt.subplot(221)
plt.show()
输出结果如下:
知识点2:画子图add_subplot新增子图
首先要理解一些概念问题,具体如下:
- 子图：就是在一张figure里面生成多张子图。
- Matplotlib对象简介
- FigureCanvas:画布
- Figure:图
- Axes:坐标轴(实际画图的地方)
add_subplot的参数与subplots的相似
subplot语法,具体如下:
subplot(nrows,ncols,sharex,sharey,subplot_kw,**fig_kw)
备注:subplot可以规划figure划分为n个子图，但每条subplot命令只会创建一个子图 。学习参考链接如下:matplotlib命令与格式：图像(figure)与子区域(axes)布局与规划
案例1:add_subplot()
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 100)
fig = plt.figure()
ax1 = fig.add_subplot(221)
ax1.plot(x, x)
ax2 = fig.add_subplot(222)
ax2.plot(x, -x)
ax3 = fig.add_subplot(223)
ax3.plot(x, x ** 2)
ax4 = fig.add_subplot(224)
ax4.plot(x, np.log(x))
plt.show()
输出结果:
案例2:subplot()
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 100)
plt.subplot(221)
plt.plot(x, x)
plt.subplot(222)
plt.plot(x, -x)
plt.subplot(223)
plt.plot(x, x ** 2)
plt.subplot(224)
plt.plot(x, np.log(x))
plt.show()
输出结果如下:
add_subplot()与subplot()的区别:具体可参见python matplotlib中axes与axis的区别?
知识点3:scatter(x, y, 点的大小, 颜色，标记)
matplotlib模块中scatter函数语法及参数含义：
plt.scatter(x, y, s=20,
c=None, marker='o',
cmap=None, norm=None,
vmin=None, vmax=None,
alpha=None, linewidths=None,
edgecolors=None)
- x：指定散点图的x轴数据；
- y：指定散点图的y轴数据；
- s：指定散点图点的大小，默认为20，通过传入新的变量，实现气泡图的绘制；
- c：指定散点图点的颜色，默认为蓝色；
- marker：指定散点图点的形状，默认为圆形；
- cmap：指定色图，只有当c参数是一个浮点型的数组的时候才起作用；
- norm：设置数据亮度，标准化到0~1之间，使用该参数仍需要c为浮点型的数组；
- vmin、vmax：亮度设置，与norm类似，如果使用了norm则该参数无效；
- alpha：设置散点的透明度；
- linewidths：设置散点边界线的宽度；
- edgecolors：设置散点边界线的颜色；
学习参考链接:# 从零开始学Python【15】--matplotlib(散点图)
scatter(x, y, 点的大小, 颜色，标记)，这是最主要的几个用法，如果括号中不写s= c=则按默认顺序，写了则按规定的来，不考虑顺序.
案例1
具体小案例如下:
import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(111)
ax.scatter([1,2,3,4],[2,4,6,8],[10,20,30,40],['r', 'b','y','k']) #x，y，大小，颜色，颜色也可以用随意的数字代替，比如[1,2,3,4]表示不同颜色即可，具体怎么设置想要的颜色后续再研究
plt.show()
输出结果如下:
案例2
根据文中的源代码案例,具体如下:
- scatter(x, y)
ax.scatter(datingDataMat[:,1],datingDataMat[:,2],15.0*np.array(datingLabels),1
显示的结果如下:
总结:
点的大小一样,未采用色彩或其他的记号来标记不同样本分类，不能很好地理解数据信息.
- scatter(x, y, 点的大小)
ax.scatter(datingDataMat[:,1],datingDataMat[:,2],15.0*np.array(datingLabels))
总结:
点的大小不一样,未采用色彩或其他的记号来标记不同样本分类，不能很好地理解数据信息.
- scatter(x, y, 点的大小, 颜色)
ax.scatter(datingDataMat[:,1],datingDataMat[:,2],15.0*np.array(datingLabels),15.0*np.array(datingLabels)) #参数分别代表x，y
输出结果如下:
点的大小不一样,采用色彩或其他的记号来标记不同样本分类，能很好地理解数据信息.
知识点4:plt.xlabel()与plt.ylabel()
xlabel、ylabel：分别设置X、Y轴的标题文字。
知识点5:legend()
legend：显示图示，即图中表示每条曲线的标签(label)和样式的矩形区域。
参考链接:matplotlib命令与格式：图例legend语法及设置
legend语法参数如下: matplotlib.pyplot.legend(*args, **kwargs)
- loc:图例所有figure位置
plt.legend(loc='lower left')
loc相关参数
- prop:字体参数
知识点6:np.where()
numpy.where(condition[, x, y])
- 这里x,y是可选参数，condition是条件，这三个输入参数都是array_like的形式；而且三者的维度相同
- 当conditon的某个位置的为true时，输出x的对应位置的元素，否则选择y对应位置的元素；
- 如果只有参数condition，则函数返回为true的元素的坐标位置信息；
学习参考链接:怎么理解numpy的where（）？
而本章的源代码就是第二种情况,具体小案例如下:
np.where（x）输出的是九个不为0的数（为真的数的坐标，第一个array[]是横坐标，第二个array[]是纵坐标.
x=np.array([[9,1,2],[3,4,5],[6,7,8]])
x
Out[85]:
array([[9, 1, 2],
[3, 4, 5],
[6, 7, 8]])
np.where(x)
Out[86]:
(array([0, 0, 0, 1, 1, 1, 2, 2, 2], dtype=int64),
array([0, 1, 2, 0, 1, 2, 0, 1, 2], dtype=int64))
x=np.array([[9,1,2],[3,4,5],[6,7,8]])
x[np.where(x)]
Out[88]: array([9, 1, 2, 3, 4, 5, 6, 7, 8])
知识点7:Matplotlib支持中文的方法
Matplotlib默认不支持中文,需要在在python脚本的开头加上下面的代码：
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r"c:\windows\fonts\SimSun.ttc", size=14)
上面从matplotlib.font_manager字体管理模块代入FontProperties,然后设置字体属性，FontProperties()设置的是Windows系统自带的宋体。关于Windows字体列表，可以查阅WIKI Windows字体列表，size设置的是字体的大小。
网友评论