机器学习——Matplotlib画廊的使用

谁践踏了优雅 2023-09-30 12:46 12阅读 0赞

## 绘制简单的折线图plt.plot ##

import matplotlib.pyplot as plt
    
    #设置数值点
    x= [1, 2, 3, 4, 5]
    y=[1,4,9,16,25]
    
    #画图
    plt.plot(x,y)
    
    
    # 用黑体显示中文
    plt.rcParams['font.sans-serif'] = ['SimHei'] 
    
    #标签
    plt.title("折线图", fontsize=24)
    plt.xlabel("X轴", fontsize=14) 
    plt.ylabel("Y轴", fontsize=14) # 设置刻度标记的大小 
    
    # 设置刻度标记的大小
    plt.tick_params(axis='both', labelsize=14)
    plt.show()

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54y_X-WQjOWtpg_size_20_color_FFFFFF_t_70_g_se_x_16][]

## 绘制简单的散点图plt.scatter ##

import matplotlib.pyplot as plt
    
    
    x= [1, 2, 3, 4, 5]
    y= [1, 4, 9, 16, 25]
    
    #输入x,y数据，并s设置点的粗细
    plt.scatter(x,y,s=100)

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54y_X-WQjOWtpg_size_18_color_FFFFFF_t_70_g_se_x_16][]

自动计算数据

import matplotlib.pyplot as plt
    
    x = list(range(1, 1001))
    y= [x**2 for x in x_values]
    plt.scatter(x, y, s=40)
    
    # 设置每个坐标轴的取值范围
    plt.axis([0, 1100, 0, 1100000])
    plt.show()

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54y_X-WQjOWtpg_size_18_color_FFFFFF_t_70_g_se_x_16 1][]

删除数据点的轮廓

#要删除数据点的轮廓，可在调用scatter() 时传递实参edgecolor='none'
    plt.scatter(x, y, edgecolor='none', s=40)

自定义颜色

#要修改数据点的颜色，可向scatter() 传递参数c
    plt.scatter(x, y, c='red', edgecolor='none', s=40)
    
    
    #使用RGB颜色模式自定义颜色，它们分别表示红色、绿色和蓝色分量
    plt.scatter(x, y, c=(0, 0, 0.8), edgecolor='none', s=40)
    #值越接近0，指定的颜色越深，值越接近1，指定的颜色越浅。

使用颜色映射

将参数c 设置成了一个 y 值列表，并使用参数cmap 告诉pyplot 使用哪个颜色映射。这些代码将 y 值较小的点显示为浅蓝色，并将 y 值较大的点显示为深蓝色

x = list(range(1001))
    y = [x**2 for x in x]
    plt.scatter(x, y, c=y, cmap=plt.cm.Blues,edgecolor='none', s=40)

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54y_X-WQjOWtpg_size_18_color_FFFFFF_t_70_g_se_x_16 2][]

自动保存图表

将对plt.show() 的调用替换为对plt.savefig() 的调用

#将对plt.show() 的调用替换为对plt.savefig() 的调用
    plt.savefig('plot.png', bbox_inches='tight')

第一个实参指定要以什么样的文件名保存图表，这个文件将存储到.py所在的目录中；

第二个实参指定将图表多余的空白区域裁剪掉。如果要保留图表周围多余的空 白区域。

## 随机漫步 ##

from random import choice
    class RandomWalk():
        """ 一个生成随机漫步数据的类 """
        def __init__(self, num_points=5000):
            """ 初始化随机漫步的属性 """
            self.num_points = num_points
            # 所有随机漫步都始于 (0, 0)
            self.x_values = [0]
            self.y_values = [0]
            
        """选择方向"""    
        def fill_walk(self):
            """ 计算随机漫步包含的所有点 """
            
            # 不断漫步，直到列表达到指定的长度
            while len(self.x_values) < self.num_points:
                # 决定前进方向以及沿这个方向前进的距离
                x_direction = choice([1, -1])
                x_distance = choice([0, 1, 2, 3, 4])
                x_step = x_direction * x_distance
                y_direction = choice([1, -1])
                y_distance = choice([0, 1, 2, 3, 4])
                y_step = y_direction * y_distance
    
                # 拒绝原地踏步
                if x_step == 0 and y_step == 0:
                    continue
                # 计算下一个点的 x 和 y 值
                next_x = self.x_values[-1] + x_step
                next_y = self.y_values[-1] + y_step
                self.x_values.append(next_x)
                self.y_values.append(next_y)

用choice(\[1, -1\]) 给x\_direction 选择一个值，结果要么是表示向右走的1，要么是表示向左走的-1

choice(\[0, 1, 2, 3, 4\]) 随机地 选择一个0~4之间的整数，告诉Python沿指定的方向走多远（x\_distance ）

如果x\_step 为正，将向右移动，为负将向左移动，而为零将垂直移动；如果y\_step 为正，就意 味着向上移动，为负意味着向下移动，而为零意味着水平移动。如果x\_step 和y\_step 都为零，则意味着原地踏步，我们拒绝这样的情况，接着执行下一次循环

为获取漫步中下一个点的 x 值，我们将x\_step 与x\_values 中的最后一个值相加

获得下一个点的 x 值和 y 值后，我们将它们分别附加到 列表x\_values 和y\_values 的末尾。

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54y_X-WQjOWtpg_size_20_color_FFFFFF_t_70_g_se_x_16 1][]

给点着色

> 加参数：c=point\_numbers, cmap=plt.cm.Set3

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54y_X-WQjOWtpg_size_19_color_FFFFFF_t_70_g_se_x_16][]

重新绘制起点和终点

# 突出起点和终点
    plt.scatter(0, 0, c='green', edgecolors='none', s=100)
    plt.scatter(rw.x_values[-1], rw.y_values[-1], c='red', edgecolors='none',
    s=100)

隐藏坐标轴

# 隐藏坐标轴 
    plt.axes().get_xaxis().set_visible(False) 
    plt.axes().get_yaxis().set_visible(False)

增加点数

#创建一个RandomWalk实例，并将其包含的点都绘制出来
    rw = RandomWalk(50000)
    rw.fill_walk()

调整尺寸以适合屏幕

# 设置绘图窗口的尺寸 
    plt.figure(dpi=128,figsize=(10, 6))

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54y_X-WQjOWtpg_size_20_color_FFFFFF_t_70_g_se_x_16 2][]

import matplotlib.pyplot as plt
    while True:
        #创建一个RandomWalk实例，并将其包含的点都绘制出来
        rw = RandomWalk(50000)
        rw.fill_walk()
    
        # 设置绘图窗口的尺寸 
        plt.figure(dpi=128,figsize=(10, 6))
        
        # 绘制点并将图形显示出来 
        point_numbers = list(range(rw.num_points))
        plt.scatter(rw.x_values, rw.y_values, c=point_numbers, cmap=plt.cm.Set3,
        edgecolor='none', s=1)
       
        # 隐藏坐标轴 
        plt.axes().get_xaxis().set_visible(False) 
        plt.axes().get_yaxis().set_visible(False)
    
        
        # 突出起点和终点
        plt.scatter(0, 0, c='green', edgecolors='none', s=100)
        plt.scatter(rw.x_values[-1], rw.y_values[-1], c='red', edgecolors='none',s=100)
        plt.show()
        keep_running = input("Make another walk? (y/n): ")
        if keep_running == 'n':
            break

## 使用使 Pygal模拟掷骰子 ##

from random import randint
    import pygal
    
    class Die():
        """表示一个骰子的类"""
        def __init__(self, num_sides=6):
            """骰子默认为6面"""
            self.num_sides = num_sides
        def roll(self):
            """"返回一个位于1和骰子面数之间的随机值"""
            return randint(1, self.num_sides)
    
    # 创建一个D6
    die = Die()
    
    
    # 掷几次骰子，并将结果存储在一个列表中
    results = []
    for roll_num in range(1000):
        result = die.roll()
        results.append(result)
    # 分析结果
    frequencies = []
    for value in range(1, die.num_sides+1):
        frequency = results.count(value)
        frequencies.append(frequency)
    print(frequencies)
    
    
    # 对结果进行可视化
    hist = pygal.Bar()
    hist.title = "Results of rolling one D6 1000 times."
    hist.x_labels = ['1', '2', '3', '4', '5', '6']
    hist.x_title = "Result"
    hist.y_title = "Frequency of Result"
    hist.add('D6', frequencies)
    hist.render_to_file('die_visual.svg')

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54y_X-WQjOWtpg_size_20_color_FFFFFF_t_70_g_se_x_16 3][]

[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54y_X-WQjOWtpg_size_20_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/11648627b5164cc0a3dc5f515b0258d5.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54y_X-WQjOWtpg==,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54y_X-WQjOWtpg_size_18_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/4790c721cdb0462a8cc89b356afa839d.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54y_X-WQjOWtpg==,size_18,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54y_X-WQjOWtpg_size_18_color_FFFFFF_t_70_g_se_x_16 1]: https://img-blog.csdnimg.cn/a5347690705141669b6106774ef712fe.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54y_X-WQjOWtpg==,size_18,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54y_X-WQjOWtpg_size_18_color_FFFFFF_t_70_g_se_x_16 2]: https://img-blog.csdnimg.cn/662e43344c104b8195de626a05f02253.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54y_X-WQjOWtpg==,size_18,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54y_X-WQjOWtpg_size_20_color_FFFFFF_t_70_g_se_x_16 1]: https://img-blog.csdnimg.cn/18bb8f032ef64d6c9167093aa7ab166e.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54y_X-WQjOWtpg==,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54y_X-WQjOWtpg_size_19_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/8844313c5151442a82363e7acfeaf006.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54y_X-WQjOWtpg==,size_19,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54y_X-WQjOWtpg_size_20_color_FFFFFF_t_70_g_se_x_16 2]: https://img-blog.csdnimg.cn/d388bbbd5b074e8dbd96fb3854c271b8.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54y_X-WQjOWtpg==,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54y_X-WQjOWtpg_size_20_color_FFFFFF_t_70_g_se_x_16 3]: https://img-blog.csdnimg.cn/bd47eb9bb7484f91b10fc7be37c63176.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54y_X-WQjOWtpg==,size_20,color_FFFFFF,t_70,g_se,x_16