Python与机器学习之数据可视化(三)

装饰Matplotlib(标签、文本、标记、注释…)

在机器学习实际应用中，最关键的部分就是数据可视化，否则无论调试还是总结，你无从下手。python大牛们提供了非常牛逼的库—Matplotlib

回顾

• Python与机器学习之数据可视化
• Python与机器学习之数据可视化(二)
• 好文章

详解图像组成

Figure

1. 在matplotlib中，整个图像为Figure对象，理解为图像ID。
2. Figure对象中包含多个Axes对象，理解为子图ID。

如图：

直线图详解Figure内部组件

title为图像标题，Axis为坐标轴, Label为坐标轴标注，Tick为刻度线，Tick Label为刻度注释。
如图：

各个对象关系从属

图像中所有对象均来自于Artist的基类。
如图：

用于美化的组件

Text and Annotations(可戳)

Show me the code

import matplotlib.pyplot as plt

plt.figure(1, figsize=(5, 5))
##ax子图ID
ax = plt.subplot(111)
plt.xticks(range(6))
# 如果不指定刻度，x轴与y轴都是1
plt.yticks(range(6))

##ANNOTATE
# xy箭头的位置
# xytext文本框的位置,size文本框的大小
# va，ha字体显示在文本框的位置
# 文本框边框bbox=dict(boxstyle=边框样式，fc=前景色)
# 箭头arrowprops=dict(arrowsyle=箭头样式，connectionstyle=连接路径arc3直接连，完全角度),rad代表箭头是否是弯的，+-定义弯的方向
ax.annotate(u"arrow", xy=(1, 1), \
            xytext=(4, 4), size=15, \
            va="center", ha="center", \
            bbox=dict(boxstyle='sawtooth', fc="w"), \
            arrowprops=dict(arrowstyle="-|>", connectionstyle="angle,rad=0.4", fc='r') \
            )

##TEXT
bbox_props = dict(boxstyle="rarrow,pad=0.3", fc="cyan", ec="b", lw=2)
ax.text(0, 0, "Direction", \
        ha="center", va="center", \
        rotation=45, size=15, \
        bbox=bbox_props
        )

##TABLE(不举例了...)
ax.table(cellText=None, cellColours=None,\
         cellLoc='right', colWidths=None,\
         rowLabels=None, rowColours=None, rowLoc='left',\
         colLabels=None, colColours=None, colLoc='center',\
         loc='bottom', bbox=None)

##ARROW
ax.arrow(x, y, dx, dy, **kwargs)

plt.show()

Show me the picture

如图：

总结

平时legend，annotate，text，label，title会多用一点~
接下来还会有一篇举例，两篇例子足够大家使用了

如果您看到这篇文章有收获或者有不同的意见，欢迎点赞或者评论。
python群:190341254
丁。