Python语法np.c_分析、np.meshgrid、plt.pcolormesh和分类器

你的名字 2022-12-20 02:24 63阅读 0赞

# 1、np.c\_和np.r\_ #

直接上代码：

多维的数据：
       	d = np.array([[1, 2, 3], [4, 5, 6]])
        c = np.array([[4,5,6],[7,8,9]])
        print(np.c_[d,c])
    
    [[1 2 3 4 5 6]
     [4 5 6 7 8 9]]
     一维的数据：
    	d = np.array([1, 2, 3])
        c = np.array([4,5,6])
        print(np.c_[d,c])
    [[1 4]
     [2 5]
     [3 6]]

可以看出，np.c\_是将数据按列排列  
下面看np.r\_的格式：

一维数据：
    	d = np.array([1, 2, 3])
        c = np.array([4,5,6])
        print(np.r_[d,c])
    
    [1 2 3 4 5 6]
    
    二维数据：
    	d = np.array([[1, 2, 3],[4,5,6]])
        c = np.array([[4,5,6],[7,8,9]])
        print(np.r_[d,c])
    [[1 2 3]
     [4 5 6]
     [4 5 6]
     [7 8 9]]

可以看出，np.r\_是按行排列的。

# 2、np.meshgrid #

当传入的参数为：  [1 2 3] ，[4 5 6 7]时

传回的第一个矩阵为：
     [[1 2 3]
     [1 2 3]
     [1 2 3]
     [1 2 3]]
     传回的第二个矩阵为：
    [[4 4 4]
     [5 5 5]
     [6 6 6]
     [7 7 7]]

可以看出，也就是会生成两个3×4的矩阵，其中3为第一个的数据项，4为第二个参数的数据项。只不过是将行复制几次，或者列复制几次给你返回操作。该函数主要作用是对坐标的x，y的网格遍历。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dfd2VpeGlhb3Rhbw_size_16_color_FFFFFF_t_70_pic_center]

xx, yy = np.meshgrid(np.arange(xmin, xmax , h), np.arange(ymin, ymax, h))

# 3、plt.pcolormesh #

用来将网格数据进行上处理：

plt.pcolormesh(xx,yy,z,cmap=cmap_1)

其中,xx和yy为点位信息，z为点位信息对应cmap中的第几个颜色。

# 4、KNN分类器 #

import sklearn
    import numpy as np
    from sklearn.neighbors import KNeighborsClassifier
    import sklearn.datasets as data
    import matplotlib.pyplot as plt
    from matplotlib.colors import ListedColormap
    
    if __name__ == '__main__':
        iris = data.load_iris()
        x_train = iris.data[:,:2]
        y_train = iris.target
        k = 15
        h = 0.02
        cmap_1 = ListedColormap(['#FF0000','#00FF00','#0000FF'])
        cmap_2 = ListedColormap(['#FFAA00','#AAFF00','#00AAFF'])
        myKnn = KNeighborsClassifier(k)
        myKnn.fit(x_train,y_train)
        xmin, xmax = x_train[:,0].min() - 1, x_train[:,0].max() - 1
        ymin, ymax = x_train[:,1].min() - 1, x_train[:,1].max() - 1
        print(xmin)
        print(ymin)
        xx, yy = np.meshgrid(np.arange(xmin, xmax , h), np.arange(ymin, ymax, h))
        z = myKnn.predict(np.c_[xx.ravel(),yy.ravel()])
        z = z.reshape(yy.shape)
        plt.pcolormesh(xx,yy,z,cmap=cmap_1)
        plt.scatter(x_train[:,0],x_train[:,1], c = y_train, cmap=cmap_2 )
        plt.xlim(xx.min(), xx.max())
        plt.ylim(yy.min(), yy.max())
        plt.show()
        # print(np.array([[1,2,3],[4,5,6]]))

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dfd2VpeGlhb3Rhbw_size_16_color_FFFFFF_t_70_pic_center]: /images/20221120/fd78fabff2c945b2aaf2da573bdf4fb4.png