matPlotLib绘制决策树

客官°小女子只卖身不卖艺 2022-06-05 09:46 214阅读 0赞

上篇中，实现了创建决策树但并不直观，这里学习绘制决策树，便于直观理解。

Matplotlib提供了名为pylab的模块，其中包括了许多numpy和pyplot中常用的函数，方便用户快速进行计算和绘图，

可以用于IPython中的快速交互式使用。

Matplotlib中的快速绘图的函数库可以通过如下语句载入：

**\[python\]** view plain copy

print ?

1.  import matplotlib.pyplot as plt

import matplotlib.pyplot as plt

绘制树形图，我们需要定义树和叶的形态，还必须要知道有多少个叶节点和判断节点，还有树的层数，这样才能确定树的大小，绘制绘图区

首先注解绘制的树节点和叶节点以及箭头

**\[python\]** view plain copy

print ?

1.  \#定义文本框和箭头格式  
2.  decisionNode = dict(boxstyle=”sawtooth”, fc=“0.8”) \#定义判断节点形态  
3.  leafNode = dict(boxstyle=”round4”, fc=“0.8”) \#定义叶节点形态  
4.  arrow\_args = dict(arrowstyle=”<-“) \#定义箭头  
5.    
6.  \#绘制带箭头的注解  
7.  \#nodeTxt：节点的文字标注, centerPt：节点中心位置,  
8.  \#parentPt：箭头起点位置（上一节点位置）, nodeType：节点属性  
9.  def plotNode(nodeTxt, centerPt, parentPt, nodeType):  
10.     createPlot.ax1.annotate(nodeTxt, xy=parentPt,  xycoords=’axes fraction’,  
11.              xytext=centerPt, textcoords=’axes fraction’,  
12.              va=”center”, ha=“center”, bbox=nodeType, arrowprops=arrow\_args )

#定义文本框和箭头格式 
    
    decisionNode = dict(boxstyle=”sawtooth”, fc=”0.8”) #定义判断节点形态 
    
    leafNode = dict(boxstyle=”round4”, fc=”0.8”) #定义叶节点形态 
    
    arrow_args = dict(arrowstyle=”<-“) #定义箭头

\#绘制带箭头的注解 \#nodeTxt：节点的文字标注, centerPt：节点中心位置, \#parentPt：箭头起点位置（上一节点位置）, nodeType：节点属性 def plotNode(nodeTxt, centerPt, parentPt, nodeType): createPlot.ax1.annotate(nodeTxt, xy=parentPt, xycoords='axes fraction', xytext=centerPt, textcoords='axes fraction', va="center", ha="center", bbox=nodeType, arrowprops=arrow\_args )

然后得到叶节点的数目和树的层数

**\[python\]** view plain copy

print ?

1.  \#计算叶节点数  
2.  def getNumLeafs(myTree):  
3.      numLeafs = 0  
4.      firstStr = myTree.keys()\[0\]   
5.      secondDict = myTree\[firstStr\]   
6.      for key in secondDict.keys():  
7.          if type(secondDict\[key\]).\_\_name\_\_==‘dict’:\#是否是字典  
8.              numLeafs += getNumLeafs(secondDict\[key\]) \#递归调用getNumLeafs  
9.          else:   numLeafs +=1 \#如果是叶节点，则叶节点+1  
10.     return numLeafs  
11.   
12. \#计算数的层数  
13. def getTreeDepth(myTree):  
14.     maxDepth = 0  
15.     firstStr = myTree.keys()\[0\]  
16.     secondDict = myTree\[firstStr\]  
17.     for key in secondDict.keys():  
18.         if type(secondDict\[key\]).\_\_name\_\_==‘dict’:\#是否是字典  
19.             thisDepth = 1 + getTreeDepth(secondDict\[key\]) \#如果是字典，则层数加1，再递归调用getTreeDepth  
20.         else:   thisDepth = 1  
21.         \#得到最大层数  
22.         if thisDepth > maxDepth:  
23.             maxDepth = thisDepth  
24.     return maxDepth

#计算叶节点数
    def getNumLeafs(myTree):
        numLeafs = 0
        firstStr = myTree.keys()[0] 
        secondDict = myTree[firstStr] 
        for key in secondDict.keys():
            if type(secondDict[key]).__name__=='dict':#是否是字典
                numLeafs += getNumLeafs(secondDict[key]) #递归调用getNumLeafs
            else:   numLeafs +=1 #如果是叶节点，则叶节点+1
        return numLeafs

\#计算数的层数 def getTreeDepth(myTree): maxDepth = 0 firstStr = myTree.keys()\[0\] secondDict = myTree\[firstStr\] for key in secondDict.keys(): if type(secondDict\[key\]).\_\_name\_\_=='dict':\#是否是字典 thisDepth = 1 + getTreeDepth(secondDict\[key\]) \#如果是字典，则层数加1，再递归调用getTreeDepth else: thisDepth = 1 \#得到最大层数 if thisDepth > maxDepth: maxDepth = thisDepth return maxDepth有了注解和计算树形图的位置的参数，就可以绘制树形图了

为了清晰简明，在父子节点之间加入文本标签信息

**\[python\]** view plain copy

print ?

1.  \#在父子节点间填充文本信息  
2.  \#cntrPt:子节点位置, parentPt：父节点位置, txtString：标注内容  
3.  def plotMidText(cntrPt, parentPt, txtString):  
4.      xMid = (parentPt\[0\]-cntrPt\[0\])/2.0 + cntrPt\[0\]  
5.      yMid = (parentPt\[1\]-cntrPt\[1\])/2.0 + cntrPt\[1\]  
6.      createPlot.ax1.text(xMid, yMid, txtString, va=”center”, ha=“center”, rotation=30)

#在父子节点间填充文本信息

\#cntrPt:子节点位置, parentPt：父节点位置, txtString：标注内容 def plotMidText(cntrPt, parentPt, txtString): xMid = (parentPt\[0\]-cntrPt\[0\])/2.0 + cntrPt\[0\] yMid = (parentPt\[1\]-cntrPt\[1\])/2.0 + cntrPt\[1\] createPlot.ax1.text(xMid, yMid, txtString, va="center", ha="center", rotation=30)然后绘制树形图；

**\[python\]** view plain copy

print ?

1.  \#绘制树形图  
2.  \#myTree：树的字典, parentPt:父节点, nodeTxt：节点的文字标注  
3.  def plotTree(myTree, parentPt, nodeTxt):  
4.      numLeafs = getNumLeafs(myTree)  \#树叶节点数  
5.      depth = getTreeDepth(myTree)    \#树的层数  
6.      firstStr = myTree.keys()\[0\]     \#节点标签  
7.      \#计算当前节点的位置  
8.      cntrPt = (plotTree.xOff + (1.0 + float(numLeafs))/2.0/plotTree.totalW, plotTree.yOff)  
9.      plotMidText(cntrPt, parentPt, nodeTxt) \#在父子节点间填充文本信息  
10.     plotNode(firstStr, cntrPt, parentPt, decisionNode) \#绘制带箭头的注解  
11.     secondDict = myTree\[firstStr\]  
12.     plotTree.yOff = plotTree.yOff - 1.0/plotTree.totalD  
13.     for key in secondDict.keys():  
14.         if type(secondDict\[key\]).\_\_name\_\_==‘dict’:\#判断是不是字典，  
15.             plotTree(secondDict\[key\],cntrPt,str(key))        \#递归绘制树形图  
16.         else:   \#如果是叶节点  
17.             plotTree.xOff = plotTree.xOff + 1.0/plotTree.totalW  
18.             plotNode(secondDict\[key\], (plotTree.xOff, plotTree.yOff), cntrPt, leafNode)  
19.             plotMidText((plotTree.xOff, plotTree.yOff), cntrPt, str(key))  
20.     plotTree.yOff = plotTree.yOff + 1.0/plotTree.totalD  
21.   
22. \#创建绘图区  
23. def createPlot(inTree):  
24.     fig = plt.figure(1, facecolor=‘white’)  
25.     fig.clf()  
26.     axprops = dict(xticks=\[\], yticks=\[\])  
27.     createPlot.ax1 = plt.subplot(111, frameon=False, \*\*axprops)      
28.     plotTree.totalW = float(getNumLeafs(inTree)) \#树的宽度  
29.     plotTree.totalD = float(getTreeDepth(inTree)) \#树的深度  
30.     plotTree.xOff = -0.5/plotTree.totalW; plotTree.yOff = 1.0;  
31.     plotTree(inTree, (0.5,1.0), ”)  
32.     plt.show()

#绘制树形图

\#myTree：树的字典, parentPt:父节点, nodeTxt：节点的文字标注 def plotTree(myTree, parentPt, nodeTxt): numLeafs = getNumLeafs(myTree) \#树叶节点数 depth = getTreeDepth(myTree) \#树的层数 firstStr = myTree.keys()\[0\] \#节点标签 \#计算当前节点的位置 cntrPt = (plotTree.xOff + (1.0 + float(numLeafs))/2.0/plotTree.totalW, plotTree.yOff) plotMidText(cntrPt, parentPt, nodeTxt) \#在父子节点间填充文本信息 plotNode(firstStr, cntrPt, parentPt, decisionNode) \#绘制带箭头的注解 secondDict = myTree\[firstStr\] plotTree.yOff = plotTree.yOff - 1.0/plotTree.totalD for key in secondDict.keys(): if type(secondDict\[key\]).\_\_name\_\_=='dict':\#判断是不是字典， plotTree(secondDict\[key\],cntrPt,str(key)) \#递归绘制树形图 else: \#如果是叶节点 plotTree.xOff = plotTree.xOff + 1.0/plotTree.totalW plotNode(secondDict\[key\], (plotTree.xOff, plotTree.yOff), cntrPt, leafNode) plotMidText((plotTree.xOff, plotTree.yOff), cntrPt, str(key)) plotTree.yOff = plotTree.yOff + 1.0/plotTree.totalD \#创建绘图区 def createPlot(inTree): fig = plt.figure(1, facecolor='white') fig.clf() axprops = dict(xticks=\[\], yticks=\[\]) createPlot.ax1 = plt.subplot(111, frameon=False, \*\*axprops) plotTree.totalW = float(getNumLeafs(inTree)) \#树的宽度 plotTree.totalD = float(getTreeDepth(inTree)) \#树的深度 plotTree.xOff = -0.5/plotTree.totalW; plotTree.yOff = 1.0; plotTree(inTree, (0.5,1.0), '') plt.show()其中createPlot（）是主函数，创建绘图区，计算树形图的尺寸大小，它调用plotTree（）等函数，plotTree（）递归画出整个树形图。

加载之前创建了tree模块和这个treeplot模块，在命令提示符下输入

**\[python\]** view plain copy

print ?

1.  >>> import treeplot  
2.  >>> import tree  
3.  >>> myDat,labels = tree.createDataSet()  
4.  >>> myTree = tree.createTree(myDat,labels)  
5.  >>> treeplot.createPlot(myTree)

>>> import treeplot
    >>> import tree
    >>> myDat,labels = tree.createDataSet()
    >>> myTree = tree.createTree(myDat,labels)
    >>> treeplot.createPlot(myTree)

得到正确的树形图

![SouthEast][]  
用创建的tree模块和treeplot模块，使用决策树预测隐形眼镜类型；

在命令提示符下输入

**\[python\]** view plain copy

print ?

1.  >>> import tree  
2.  >>> import treeplot  
3.  >>> fr = open(’lenses.txt’)  
4.  >>> lenses = \[inst.strip().split(’\\t’) for inst in fr.readlines()\]  
5.  >>> lensesLabels = \[’age’,‘prescript’,‘astigmatic’,‘tearRate’\]  
6.  >>> lensesTree = tree.createTree(lenses,lensesLabels)  
7.  >>> treeplot.createPlot(lensesTree)

>>> import tree
    >>> import treeplot
    >>> fr = open('lenses.txt')
    >>> lenses = [inst.strip().split('\t') for inst in fr.readlines()]
    >>> lensesLabels = ['age','prescript','astigmatic','tearRate']
    >>> lensesTree = tree.createTree(lenses,lensesLabels)
    >>> treeplot.createPlot(lensesTree)

得到如下所示

![SouthEast 1][]  
如有不足，请指出，谢谢~~

[SouthEast]: /images/20220605/5a8242e62e9f4e9f9c936ab0e23c9bbc.png
[SouthEast 1]: /images/20220605/0e20279371764587848b12d60b6b4cf1.png