机器学习之数据可视化 Matplotlib基本用法

---

前言

机器学习中数据的可视化是我们必不可少的工具，今天我们来学习matplotlib的基本画图操作。

一、使用matplotlib.pyplot进行数据可视化的准备

1.引入库

matplotlib中我们只需要借助matplotlib.pyplot进行数据可视化，首先引入第三方库。

import matplotlib.pyplot as plt

2.数据准备

同时为便于选取可视化的数据，我们借助numpy得到数据。

import numpy as np
x = np.linspace(0,10,100)
y = np.sin(x)

二、关于matplotlib的所有操作

1.最基本的绘图

代码如下：

plt.plot(x, y)

这里的y是我们在1.2中准备的y=sin(x)，所以做出的图为正弦函数的图像。图片如下：

2.打印多个图像

代码如下（示例）：

plt.plot(x,siny)
plt.plot(x,cosy)

运行结果如下：

3.改变图像属性

改变颜色和形状，形状由linestyle更改，读者可在help文档中查阅；颜色直接改为如color="red"即可。

plt.plot(x,siny,plt.plot(x,siny,linestyle = "--")
plt.plot(x,cosy,linestyle=":")

运行结果为：

4.设置图像所属区间

可通过axis纵坐标所属区间。

plt.plot(x,siny)
plt.plot(x,cosy)
plt.axis([-1,11,-2,2])

运行结果为：

5.添加标题及图例

通过label标签显示横纵坐标名字，title显示标题，legend自动给出图例。

plt.plot(x,siny,label= "sin(x)")
plt.plot(x,cosy,label= "cos(x)")
plt.xlabel("x axis")
plt.ylabel("y value")
plt.legend()
plt.title("Welcome to the ML World!")

运行结果为：

6.散点图的绘制

6.1通过scatter函数绘制散点图

同样以上文的数据为例

plt.scatter(x,siny)

绘制的散点图为：

6.2散点图属性的设置

散点图各个属性值的更改于连续图没有区别 ，这里要说明一个设置散点图透明度的函数，便于以后使用。
通过plt.scatter(x,y, alpha=0.2)本语句中alpha的值来调节透明度的高低，值一般在0,1之间，读者可更具需求自行更改。
代码如下：

x = np.random.normal(0,1,100)
y = np.random.normal(0,1,100)

plt.scatter(x,y, alpha=0.2)

笔者取alpha值为0.2，由于比较小，故透明度较高，运行结果如下：

总结

虽然数据可视化并不是机器学习的重点内容，但它是机器学习过程中，必不可少的必要工具，希望读者多加练习，不仅仅把matplotlib应用在机器学习领域，还可用于数学建模等做数据的可视化。