文章原創(chuàng),最近更新：2018-08-9

本章節(jié)的主要內容是:
重點介紹項目案例1: 優(yōu)化約會網(wǎng)站的配對效果中的分析數(shù)據(jù)：使用 Matplotlib 畫二維散點圖。

1.KNN項目案例介紹:

項目案例1:

優(yōu)化約會網(wǎng)站的配對效果

項目概述:

1）海倫使用約會網(wǎng)站尋找約會對象。經(jīng)過一段時間之后，她發(fā)現(xiàn)曾交往過三種類型的人: 不喜歡的人、魅力一般的人、 極具魅力的人。
2）她希望： 1. 工作日與魅力一般的人約會 2. 周末與極具魅力的人約會 3. 不喜歡的人則直接排除掉?，F(xiàn)在她收集到了一些約會網(wǎng)站未曾記錄的數(shù)據(jù)信息，這更有助于匹配對象的歸類。

開發(fā)流程：

• 收集數(shù)據(jù)：提供文本文件
• 準備數(shù)據(jù)：使用 Python 解析文本文件
• 分析數(shù)據(jù)：使用 Matplotlib 畫二維散點圖
• 訓練算法：此步驟不適用于 k-近鄰算法
• 測試算法：使用海倫提供的部分數(shù)據(jù)作為測試樣本。
  測試樣本和非測試樣本的區(qū)別在于：測試樣本是已經(jīng)完成分類的數(shù)據(jù)，如果預測分類與實際類別不同，則標記為一個錯誤。
• 使用算法：產(chǎn)生簡單的命令行程序，然后海倫可以輸入一些特征數(shù)據(jù)以判斷對方是否為自己喜歡的類型。

數(shù)據(jù)集介紹

海倫把這些約會對象的數(shù)據(jù)存放在文本文件 datingTestSet2.txt (數(shù)據(jù)來源于《機器學習實戰(zhàn)》第二章 k鄰近算法)中，總共有 1000 行。

本文使用的數(shù)據(jù)主要包含以下三種特征：每年獲得的飛行?？屠锍虜?shù)，玩視頻游戲所耗時間百分比，每周消費的冰淇淋公升數(shù)。其中分類結果作為文件的第四列，并且只有3、2、1三種分類值。datingTestSet2.csv文件格式如下所示：

數(shù)據(jù)在datingTestSet2.txt文件中的格式如下所示：

2.使用 Matplotlib 畫二維散點圖

使用Matplotlib創(chuàng)建散點圖,相關代碼如下:

import numpy as np
import matplotlib
import matplotlib.pyplot as plt

fig=plt.figure()
ax=fig.add_subplot(1,1,1)
datingDataMat,datingLabels=file2matrix('datingTestSet2.txt')
ax.scatter(datingDataMat[:,1],datingDataMat[:,2],15.0*np.array(datingLabels),15.0*np.array(datingLabels))
plt.show()

輸出結果如下:

上圖利用datingLabels存儲的類標簽屬性，在散點圖上繪制了色彩不等、尺寸不同的點。因而基本上可以從圖中看到數(shù)據(jù)點所屬三個樣本分類的區(qū)域輪廓。為了得到更好的效果，采用datingDataMat矩陣的屬性列1和2展示數(shù)據(jù)，并以紅色的'*'表示類標簽1、藍色的'o'表示表示類標簽2、綠色的'+'表示類標簽3，修改參數(shù)如下：

import kNN
import operator
import matplotlib
import matplotlib.pyplot  as plt
import numpy as np
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r"c:\windows\fonts\SimSun.ttc", size=14)
group,labels=kNN.createDataSet()
fig=plt.figure()
ax=fig.add_subplot(1,1,1)
datingDataMat,datingLabels=file2matrix('datingTestSet2.txt')
#ax.scatter(datingDataMat[:,1],datingDataMat[:,2],15.0*np.array(datingLabels),15.0*np.array(datingLabels))
datingLabels = np.array(datingLabels)
idx_1 = np.where(datingLabels==1)
p1 = ax.scatter(datingDataMat[idx_1,0],datingDataMat[idx_1,1],marker = '*',color = 'r',label='1',s=10)
idx_2 = np.where(datingLabels==2)
p2 = ax.scatter(datingDataMat[idx_2,0],datingDataMat[idx_2,1],marker = 'o',color ='g',label='2',s=20)
idx_3 = np.where(datingLabels==3)
p3 = ax.scatter(datingDataMat[idx_3,0],datingDataMat[idx_3,1],marker = '+',color ='b',label='3',s=30)
plt.xlabel("每年獲取的飛行里程數(shù)",fontproperties=font)
plt.ylabel("玩視頻游戲所消耗的事件百分比",fontproperties=font)
ax.legend((p1,p2,p3),("不喜歡","魅力一般","極具魅力"),loc=2,prop=font)
plt.show()

輸出結果如下:

3.相關知識點

知識點1:plt.figure()

figure概念的理解,具體如下圖:
我們先理清 figure的概念。用畫板和畫紙來做比喻的話，figure就好像是畫板，是畫紙的載體，但具體畫畫等操作是在畫紙上完成的。在pyplot中，畫紙的概念對應的就是Axes/Subplot。

figure語法說明,具體如下:
figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)

• num:圖像編號或名稱，數(shù)字為編號 ，字符串為名稱
• figsize:指定figure的寬和高，單位為英寸；
• dpi參數(shù)指定繪圖對象的分辨率，即每英寸多少個像素，缺省值為80
• facecolor:背景顏色
• edgecolor:邊框顏色
• frameon:是否顯示邊框

具體小案例如下:
案例1

import matplotlib.pyplot as plt
 
fig = plt.figure(figsize=(4,3),facecolor="blue")
plt.subplot(221)  
plt.show()

輸出結果如下:

案例2

import matplotlib.pyplot as plt
 
fig = plt.figure(facecolor="blue")
plt.subplot(221)  
plt.show()

輸出結果如下:

知識點2:畫子圖add_subplot新增子圖

首先要理解一些概念問題,具體如下:

• 子圖：就是在一張figure里面生成多張子圖。
• Matplotlib對象簡介
  • FigureCanvas:畫布
  • Figure:圖
  • Axes:坐標軸(實際畫圖的地方)

add_subplot的參數(shù)與subplots的相似

subplot語法,具體如下:
subplot(nrows,ncols,sharex,sharey,subplot_kw,**fig_kw)

案例1:add_subplot()

import numpy as np
import matplotlib.pyplot as plt
 
x = np.arange(0, 100)
 
fig = plt.figure()
 
ax1 = fig.add_subplot(221)
ax1.plot(x, x)
 
ax2 = fig.add_subplot(222)
ax2.plot(x, -x)
 
ax3 = fig.add_subplot(223)
ax3.plot(x, x ** 2)
 
ax4 = fig.add_subplot(224)
ax4.plot(x, np.log(x))
 
plt.show()

輸出結果:

案例2:subplot()

import numpy as np
import matplotlib.pyplot as plt
 
x = np.arange(0, 100)
 
plt.subplot(221)
plt.plot(x, x)
 
plt.subplot(222)
plt.plot(x, -x)
 
plt.subplot(223)
plt.plot(x, x ** 2)
 
plt.subplot(224)
plt.plot(x, np.log(x))
 
plt.show()

輸出結果如下:

add_subplot()與subplot()的區(qū)別:具體可參見python matplotlib中axes與axis的區(qū)別?

知識點3:scatter(x, y, 點的大小, 顏色，標記)

matplotlib模塊中scatter函數(shù)語法及參數(shù)含義：
plt.scatter(x, y, s=20,
c=None, marker='o',
cmap=None, norm=None,
vmin=None, vmax=None,
alpha=None, linewidths=None,
edgecolors=None)

• x：指定散點圖的x軸數(shù)據(jù)；
• y：指定散點圖的y軸數(shù)據(jù)；
• s：指定散點圖點的大小，默認為20，通過傳入新的變量，實現(xiàn)氣泡圖的繪制；
• c：指定散點圖點的顏色，默認為藍色；
• marker：指定散點圖點的形狀，默認為圓形；
• cmap：指定色圖，只有當c參數(shù)是一個浮點型的數(shù)組的時候才起作用；
• norm：設置數(shù)據(jù)亮度，標準化到0~1之間，使用該參數(shù)仍需要c為浮點型的數(shù)組；
• vmin、vmax：亮度設置，與norm類似，如果使用了norm則該參數(shù)無效；
• alpha：設置散點的透明度；
• linewidths：設置散點邊界線的寬度；
• edgecolors：設置散點邊界線的顏色；
  學習參考鏈接:# 從零開始學Python【15】--matplotlib(散點圖)
  
  scatter(x, y, 點的大小, 顏色，標記)，這是最主要的幾個用法，如果括號中不寫s= c=則按默認順序，寫了則按規(guī)定的來，不考慮順序.
  案例1
  具體小案例如下:

import matplotlib.pyplot as plt
 
fig = plt.figure()
ax = fig.add_subplot(111)
ax.scatter([1,2,3,4],[2,4,6,8],[10,20,30,40],['r', 'b','y','k'])   #x，y，大小，顏色，顏色也可以用隨意的數(shù)字代替，比如[1,2,3,4]表示不同顏色即可，具體怎么設置想要的顏色后續(xù)再研究
plt.show()

輸出結果如下:

1. scatter(x, y)

ax.scatter(datingDataMat[:,1],datingDataMat[:,2],15.0*np.array(datingLabels),1

顯示的結果如下:

總結:
點的大小一樣,未采用色彩或其他的記號來標記不同樣本分類，不能很好地理解數(shù)據(jù)信息.

2. scatter(x, y, 點的大小)

ax.scatter(datingDataMat[:,1],datingDataMat[:,2],15.0*np.array(datingLabels))

總結:
點的大小不一樣,未采用色彩或其他的記號來標記不同樣本分類，不能很好地理解數(shù)據(jù)信息.

3. scatter(x, y, 點的大小, 顏色)

ax.scatter(datingDataMat[:,1],datingDataMat[:,2],15.0*np.array(datingLabels),15.0*np.array(datingLabels)) #參數(shù)分別代表x，y

輸出結果如下:

點的大小不一樣,采用色彩或其他的記號來標記不同樣本分類，能很好地理解數(shù)據(jù)信息.

知識點4:plt.xlabel()與plt.ylabel()

xlabel、ylabel：分別設置X、Y軸的標題文字。

知識點5:legend()

legend：顯示圖示，即圖中表示每條曲線的標簽(label)和樣式的矩形區(qū)域。
參考鏈接:matplotlib命令與格式：圖例legend語法及設置

legend語法參數(shù)如下: matplotlib.pyplot.legend(*args, **kwargs)

• loc:圖例所有figure位置
  plt.legend(loc='lower left')

loc相關參數(shù)

• prop:字體參數(shù)

知識點6:np.where()

numpy.where(condition[, x, y])

• 這里x,y是可選參數(shù)，condition是條件，這三個輸入?yún)?shù)都是array_like的形式；而且三者的維度相同
• 當conditon的某個位置的為true時，輸出x的對應位置的元素，否則選擇y對應位置的元素；
• 如果只有參數(shù)condition，則函數(shù)返回為true的元素的坐標位置信息；
  學習參考鏈接:怎么理解numpy的where（）？

而本章的源代碼就是第二種情況,具體小案例如下:
np.where（x）輸出的是九個不為0的數(shù)（為真的數(shù)的坐標，第一個array[]是橫坐標，第二個array[]是縱坐標.

x=np.array([[9,1,2],[3,4,5],[6,7,8]])

x
Out[85]: 
array([[9, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

np.where(x)
Out[86]: 
(array([0, 0, 0, 1, 1, 1, 2, 2, 2], dtype=int64),
 array([0, 1, 2, 0, 1, 2, 0, 1, 2], dtype=int64))

x=np.array([[9,1,2],[3,4,5],[6,7,8]])

x[np.where(x)]
Out[88]: array([9, 1, 2, 3, 4, 5, 6, 7, 8])

知識點7:Matplotlib支持中文的方法

Matplotlib默認不支持中文,需要在在python腳本的開頭加上下面的代碼：

from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r"c:\windows\fonts\SimSun.ttc", size=14)

上面從matplotlib.font_manager字體管理模塊代入FontProperties,然后設置字體屬性，FontProperties()設置的是Windows系統(tǒng)自帶的宋體。關于Windows字體列表，可以查閱WIKI Windows字體列表，size設置的是字體的大小。

參考鏈接:編碼訓練：Python title()中文標題支持