最近看《機器學習系統設計》...前兩章。學到了一些用 Matplotlib 進行資料可視化的方法。在這裡整理一下。
聲明：由于本文的代碼大部分是參考書中的例子，是以不提供完整代碼，隻提供示例片段，也就是隻能看出某一部分用法，感興趣的需要在自己的資料上學習測試。
最開始，當然還是要導入我們需要的包：
畫散點圖用 <code>plt.scatter(x,y)</code>。畫連續曲線在下一個例子中可以看到，用到了 <code>plt.plot(x,y)</code>。
<code>plt.xticks(loc，label)</code> 可以自定義 x 軸刻度的顯示，第一個參數表示的是第二個參數 label 顯示的位置 loc。
<code>plt.autoscale(tight=True)</code> 可以自動調整圖像顯示的最佳化比例 。
畫出散點圖如下：
效果圖：
這裡用到的是 sklearn 的 iris_dataset（鸢尾花資料集）。
此資料集包含四列，分别是鸢尾花的四個特征：
sepal length (cm)——花萼長度
sepal width (cm)——花萼寬度
petal length (cm)——花瓣長度
petal width (cm)——花瓣寬度
這裡首先對資料進行一定的處理，主要就是對特征名稱進行兩兩排列組合，然後任兩個特征一個一個做 x 軸另一個做 y 軸進行畫圖。
這裡有一個排列組合參考代碼，最後是取出了兩兩組合的情況。
排列組合的結果是 feature_names_2 包含了排列組合的所有情況，它的每一個元素包含了一個排列組合的所有情況，比如第一個元素包含了所有單個元素排列組合的情況，第二個元素包含了所有的兩兩組合的情況......是以這裡取出了第二個元素，也就是所有的兩兩組合的情況
下面是在 for 循環裡畫多個子圖的方法。對我來說，這裡需要學習的有不少。比如
<code>for i,k in enumerate(feature_names_2[1]):</code> 這一句老是記不住。
比如從清單中取出某元素所在的索引的方法：<code>index1 = feature_names.index(k[0])</code>，也即 <code>index = list.index(element)</code> 的形式。
比如 for 循環中畫子圖的方法：<code>plt.subplot(2,3,1+i)</code>
比如 for 循環的下面這用法：<code>for t,marker,c in zip(range(3),">ox","rgb"):</code>
這裡的可視化效果如下：
比如在上面最後一幅圖中，找到了一種方法可以把三種鸢尾花分出來，這是我們需要畫出模型（一條直線）。這個時候怎麼畫呢？
下面需要注意的就是 <code>plt.vlines(x,y_min,y_max)</code> 和 <code>plt.hlines(y,x_min,x_max)</code> 的用法。
此時可視化效果如下：
<code>plt.ion()</code> 打開互動模式。<code>plt.show()</code> 不再阻塞程式運作。
注意 <code>plt.axis()</code> 的用法。
可視化效果：
文章首發公衆号： CVPy