鸢尾花数据可视化——基于matplotlib

• 花匠小妙招
• 2024-11-14 13:17

import numpy as np

import pandas as pd

from matplotlib import pyplot as plt

import matplotlib.cm as cm

from matplotlib图形调配.图像基础属性 import Solve_Chinese,Set_label

import seaborn as sns

# 读取数据

data = pd.read_csv(r"C:UsersluyaoDesktopIris.csv")

# print(data.head(),'n')

# print(data.describe(),'n')

#解决中文乱码问题

Solve_Chinese('FangSong')

#去掉种类中多余部分

data['Species'] = data['Species'].apply(lambda x: x.split('-')[1])

# print(data.head(),'n')

# 数据转换，把种类映射成数据类别

print(data['Species'].unique(),'n')

dict = {'setosa':0,'versicolor':1,'virginica':2}

data['Category_num'] = data['Species'].map(dict)

# data.drop(['Species'],axis=1,inplace=True)

print(data.head(),'n')

# 认识数据

fig1 = plt.figure(1)

fig1.set(alpha=0.5)

# 先来看看各种种类的数量分布

data['Species'].value_counts().plot(kind = 'bar',title = '鸢尾花种类分布',color = 'c',rot=360 )

plt.show()

 

# 查看特征组合对种类的区分效果

fig2 = plt.figure(2)

plt.subplot2grid((3,2),(0,0))

plt.scatter(data.Setal_length,data.Setal_width,c=data.Category_num)

Set_label('Setal_length','Seta_width')

plt.title("据萼片长度和宽度的种类分布图")

plt.subplot2grid((3,2),(0,1))

plt.scatter(data.Petal_length,data.Petal_width,c = data.Category_num)

Set_label('Petal_length','Petal_width')

plt.title("据花瓣长度和宽度的种类分布图")

plt.subplot2grid((3,2),(1,0))

plt.scatter(data.Petal_length,data.Setal_length,c = data.Category_num)

Set_label('Petal_length','Setal_length')

plt.title("据花瓣长度和萼片长度的种类分布图")

plt.subplot2grid((3,2),(1,1))

plt.scatter(data.Petal_width,data.Setal_width,c = data.Category_num)

Set_label('Petal_width','Setal_width')

plt.title("据花瓣宽度和萼片宽度的种类分布图")

plt.subplot2grid((3,2),(2,0))

plt.scatter(data.Petal_length,data.Setal_width,c = data.Category_num)

Set_label('Petal_length','Setal_width')

plt.title("据花瓣长度和萼片宽度的种类分布图")

plt.subplot2grid((3,2),(2,1))

plt.scatter(data.Petal_width,data.Setal_length,c = data.Category_num)

Set_label('Petal_width','Setal_length')

plt.title("据花瓣宽度和萼片长度的种类分布图")

plt.tight_layout()

plt.show()

## 可以看出，只有一类的与其他类别有明显的差异存在，另外两类相互之间存在重叠

# 上面的颜色太丑，我们调用CM模块改善视觉效果，感觉种类绘制散点图

# matplotlib的这种比较麻烦，seaborn作图就很方便~待我让后精进，再用seaborn精进~

def scatter_by_Category(data,Species,x,y):

alpha = 0.5

Categ = data.groupby(Species)

print("The num of Category: " , len(Categ))

Colorg = cm.rainbow(np.linspace(0,1,len(Categ)))

print("The num of Colors: ", len(Colorg),'n')

for Category, Color in zip(Categ,Colorg):

plt.scatter(Category[1][x],Category[1][y],color = Color, alpha = alpha)

fig3 = plt.figure(3)

plt.subplot(211)

scatter_by_Category(data,"Species",'Setal_length','Setal_width')

Set_label('Setal_length','Setal_width')

plt.title('Species')

plt.subplot(212)

scatter_by_Category(data,"Species","Petal_length","Petal_width")

Set_label("Petal_length","Petal_width")

plt.title('Species')

plt.tight_layout()

plt.show()

 

# 进一步查看某种类下，各特征的值分布

fig4 = plt.figure(4)

plt.title('Setosa花类的表现')

# 删除多余刻度线

plt.xticks([])

plt.yticks([])

ax1 = fig4.add_subplot(141)

plt.boxplot( data[data['Species']=='setosa']['Setal_length'])

ax1.set_xticklabels([u'萼片长度'])

ax2=fig4.add_subplot(142)

plt.boxplot( data[data['Species']=='setosa']['Setal_width'])

ax2.set_xticklabels([u'萼片宽度'])

ax3 = fig4.add_subplot(143)

plt.boxplot( data[data['Species']=='setosa']['Petal_length'])

ax3.set_xticklabels([u'花瓣长度'])

ax4=fig4.add_subplot(144)

plt.boxplot( data[data['Species']=='setosa']['Petal_width'])

ax4.set_xticklabels([u'花瓣宽度'])

plt.show()

 

 图形还是点丑~-~

下次学会了seaborn模块，改善我自己~

这下，我的作图功能得到了进一步提升~

相关知识

基于Echarts的鸢尾花数据可视化
Python中的数据可视化：Matplotlib基础与高级技巧
鸢尾花数据集可视化分析
【python机器学习】KNN算法实现回归（基于鸢尾花数据集）
基于Logistic回归模型对鸢尾花数据集的线性多分类
Python语言基于CART决策树的鸢尾花数据分类
【机器学习】经典数据集鸢尾花的分类识别
3.4 数据可视化
机器学习案例：鸢尾花分类——基于Scikit
[机器学习基础][笔记] 一、鸢尾花分类

网址: 鸢尾花数据可视化——基于matplotlib https://m.huajiangbk.com/newsview546444.html

上一篇: 利用PCA（主成分分析法）实现鸢

下一篇: python 引用计数问题