《scikit-learn机器学习常用算法原理及编程实战》—2.5 Matplotlib简介

2.5  Matplotlib简介

Matplotlib是Python数据可视化工具包。IPython为Matplotlib专门提供了特殊的交互模式。如果要在IPython控制台使用Matplotlib，可以使用ipython --matplotlib命令来启动IPython控制台程序；如果要在IPython notebook里使用Matplotlib，则在notebook的开始位置插入%matplotlib inline魔术命令即可。IPython的Matplotlib 模式有两个优点，一是提供了非阻塞的画图操作，二是不需要显式地调用show()方法来显示画出来的图片。

Matplotlib下的pyplot子包提供了面向对象的画图程序接口。几乎所有的画图函数都与MATLAB类似，连参数都类似。在实际开发工作中，有时候甚至可以访问MATLAB的官方文档cn.mathworks.com/help/matlab来查询画图的接口和参数，这些参数可以直接在pyplot下的画图函数里使用。使用pyplot的习惯性写法是：

from matplotlitb import pyplot as plt

在机器学习领域中，我们经常需要把数据可视化，以便观察数据的模式。此外，在对算法性能进行评估时，也需要把模型相关的数据可视化，才能观察出模型里需要改进的地方。例如，我们把算法的准确度和训练数据集大小的变化曲线画出来，可以清晰地看出训练数据集大小与算法准确度的关系。这就是我们需要学习Matplotlib 的原因。

2.5.1  图形样式

通常使用IPython notebook的Matplotlib模式来画图，这样画出来的图片会直接显示在网页上。要记得在notebook的最上面写上魔术命令%matplotlib inline。

使用Matplotlib的默认样式在一个坐标轴上画出正弦和余弦曲线：

%matplotlib inline

from matplotlib import pyplot as plt

import numpy as np

x = np.linspace(-np.pi, np.pi, 200)

C, S = np.cos(x), np.sin(x)

plt.plot(x, C)                      # 画出余弦曲线

plt.plot(x, S)                      # 画出正弦曲线

plt.show()

接着，通过修改Matplotlib的默认样式，画出我们需要的样式图片。如图2-8左侧为默认样式画出来的正余弦曲线，右侧为调整后的正余弦曲线。

图2-8  正弦余弦曲线

接下来，我们演示逐步从左侧图片过渡到右侧图片的过程。

（1）把正余弦曲线的线条画粗，并且定制合适的颜色：

# 画出余弦曲线，并设置线条颜色，宽度，样式

plt.plot(X, C, color="blue", linewidth=2.0, linestyle="-")

# 画出正弦曲线，并设置线条颜色，宽度，样式

plt.plot(X, S, color="red", linewidth=2.0, linestyle="-")

（2）设置坐标轴的长度：

plt.xlim(X.min() * 1.1, X.max() * 1.1)

plt.ylim(C.min() * 1.1, C.max() * 1.1)

（3）重新设置坐标轴的刻度。X轴的刻度使用自定义的标签，标签的文本使用了LaTeX来显示圆周率符号π。

# 设置坐标轴的刻度和标签

plt.xticks((-np.pi, -np.pi/2, np.pi/2, np.pi),

(r'$-\pi$', r'$-\pi/2$', r'$+\pi/2$', r'$+\pi$'))

plt.yticks([-1, -0.5, 0, 0.5, 1])

（4）把左侧图片中的4个方向的坐标轴改为两个方向的交叉坐标轴。方法是通过设置颜色为透明色，把上方和右侧的坐标边线隐藏起来。然后移动左侧和下方的坐标边线到原点（0, 0）的位置。

# 坐标轴总共有4个连线，我们通过设置透明色隐藏上方和右方的边线

# 通过 set_position() 移动左侧和下侧的边线

# 通过 set_ticks_position() 设置坐标轴的刻度线的显示位置

ax = plt.gca()                # gca 代表当前坐标轴，即 'get current axis'

ax.spines['right'].set_color('none')            # 隐藏坐标轴

ax.spines['top'].set_color('none')

ax.xaxis.set_ticks_position('bottom')            # 设置刻度显示位置

ax.spines['bottom'].set_position(('data',0))    # 设置下方坐标轴位置

ax.yaxis.set_ticks_position('left')

ax.spines['left'].set_position(('data',0))      # 设置左侧坐标轴位置

（5）在图片的左上角添加一个铭牌，用来标识图片中正弦曲线和余弦曲线。

plt.legend(loc='upper left')

（6）在图片中标识出。不但把这个公式画到图片上，还在余弦曲线上标识出这个点，同时用虚线画出这个点所对应的X轴的坐标。

t = 2 * np.pi / 3

# 画出 cos(t) 所在的点在 X 轴上的位置，即使用虚线画出 (t, 0) -> (t, cos(t)) 线段

plt.plot([t, t], [0, np.cos(t)], color='blue', linewidth=1.5, linestyle="--")

# 画出标示的坐标点，即在 (t, cos(t))处画一个大小为50的蓝色点

plt.scatter([t, ], [np.cos(t), ], 50, color='blue')

# 画出标示点的值，即 cos(t) 的值

plt.annotate(r'$cos(\frac{2\pi}{3})=-\frac{1}{2}$',

xy=(t, np.cos(t)), xycoords='data',

xytext=(-90, -50), textcoords='offset points', fontsize=16,

arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

其中，plt.annotate()函数的功能是在图片上画出标示文本，其文本内容也是使用LaTex公式书写。这个函数参数众多，具体可参阅官方的API说明文档。使用相同的方法，可以在正弦曲线上也标示出一个点。

（7）定制坐标轴上的刻度标签的字体，同时为了避免正余弦曲线覆盖掉刻度标识，在刻度标签上添加一个半透明的方框作为背景。

# 设置坐标刻度的字体大小，添加半透明背景

for label in ax.get_xticklabels() + ax.get_yticklabels():

label.set_fontsize(16)

label.set_bbox(dict(facecolor='white', edgecolor='None',

alpha=0.65))

这样就完成了一个Matplotlib样式配置的过程，把默认的样式修改成我们需要的样式。读者可参阅随书代码ch02.04.ipynb。

机器学习 scikit-learn

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。