最近看《机器学习系统设计》...前两章。学到了一些用 Matplotlib 进行数据可视化的方法。在这里整理一下。
声明：由于本文的代码大部分是参考书中的例子，所以不提供完整代码，只提供示例片段，也就是只能看出某一部分用法，感兴趣的需要在自己的数据上学习测试。
最开始，当然还是要导入我们需要的包：
画散点图用 <code>plt.scatter(x,y)</code>。画连续曲线在下一个例子中可以看到，用到了 <code>plt.plot(x,y)</code>。
<code>plt.xticks(loc，label)</code> 可以自定义 x 轴刻度的显示，第一个参数表示的是第二个参数 label 显示的位置 loc。
<code>plt.autoscale(tight=True)</code> 可以自动调整图像显示的最佳化比例 。
画出散点图如下：
效果图：
这里用到的是 sklearn 的 iris_dataset（鸢尾花数据集）。
此数据集包含四列，分别是鸢尾花的四个特征：
sepal length (cm)——花萼长度
sepal width (cm)——花萼宽度
petal length (cm)——花瓣长度
petal width (cm)——花瓣宽度
这里首先对数据进行一定的处理，主要就是对特征名称进行两两排列组合，然后任两个特征一个一个做 x 轴另一个做 y 轴进行画图。
这里有一个排列组合参考代码，最后是取出了两两组合的情况。
排列组合的结果是 feature_names_2 包含了排列组合的所有情况，它的每一个元素包含了一个排列组合的所有情况，比如第一个元素包含了所有单个元素排列组合的情况，第二个元素包含了所有的两两组合的情况......所以这里取出了第二个元素，也就是所有的两两组合的情况
下面是在 for 循环里画多个子图的方法。对我来说，这里需要学习的有不少。比如
<code>for i,k in enumerate(feature_names_2[1]):</code> 这一句老是记不住。
比如从列表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 循环中画子图的方法：<code>plt.subplot(2,3,1+i)</code>
比如 for 循环的下面这用法：<code>for t,marker,c in zip(range(3),">ox","rgb"):</code>
这里的可视化效果如下：
比如在上面最后一幅图中，找到了一种方法可以把三种鸢尾花分出来，这是我们需要画出模型（一条直线）。这个时候怎么画呢？
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。
此时可视化效果如下：
<code>plt.ion()</code> 打开交互模式。<code>plt.show()</code> 不再阻塞程序运行。
注意 <code>plt.axis()</code> 的用法。
可视化效果：
文章首发公众号： CVPy