文章原创,最近更新：2018-08-9

本章节的主要内容是:
重点介绍项目案例1: 优化约会网站的配对效果中的分析数据：使用 Matplotlib 画二维散点图。

1.KNN项目案例介绍:

项目案例1:

优化约会网站的配对效果

项目概述:

1）海伦使用约会网站寻找约会对象。经过一段时间之后，她发现曾交往过三种类型的人: 不喜欢的人、魅力一般的人、 极具魅力的人。
2）她希望： 1. 工作日与魅力一般的人约会 2. 周末与极具魅力的人约会 3. 不喜欢的人则直接排除掉。现在她收集到了一些约会网站未曾记录的数据信息，这更有助于匹配对象的归类。

开发流程：

• 收集数据：提供文本文件
• 准备数据：使用 Python 解析文本文件
• 分析数据：使用 Matplotlib 画二维散点图
• 训练算法：此步骤不适用于 k-近邻算法
• 测试算法：使用海伦提供的部分数据作为测试样本。
  测试样本和非测试样本的区别在于：测试样本是已经完成分类的数据，如果预测分类与实际类别不同，则标记为一个错误。
• 使用算法：产生简单的命令行程序，然后海伦可以输入一些特征数据以判断对方是否为自己喜欢的类型。

数据集介绍

海伦把这些约会对象的数据存放在文本文件 datingTestSet2.txt (数据来源于《机器学习实战》第二章 k邻近算法)中，总共有 1000 行。

本文使用的数据主要包含以下三种特征：每年获得的飞行常客里程数，玩视频游戏所耗时间百分比，每周消费的冰淇淋公升数。其中分类结果作为文件的第四列，并且只有3、2、1三种分类值。datingTestSet2.csv文件格式如下所示：

数据在datingTestSet2.txt文件中的格式如下所示：

2.使用 Matplotlib 画二维散点图

使用Matplotlib创建散点图,相关代码如下:

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()

输出结果如下:

上图利用datingLabels存储的类标签属性，在散点图上绘制了色彩不等、尺寸不同的点。因而基本上可以从图中看到数据点所属三个样本分类的区域轮廓。为了得到更好的效果，采用datingDataMat矩阵的属性列1和2展示数据，并以红色的'*'表示类标签1、蓝色的'o'表示表示类标签2、绿色的'+'表示类标签3，修改参数如下：

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("每年获取的飞行里程数",fontproperties=font)
plt.ylabel("玩视频游戏所消耗的事件百分比",fontproperties=font)
ax.legend((p1,p2,p3),("不喜欢","魅力一般","极具魅力"),loc=2,prop=font)
plt.show()

输出结果如下:

3.相关知识点

知识点1:plt.figure()

figure概念的理解,具体如下图:
我们先理清 figure的概念。用画板和画纸来做比喻的话，figure就好像是画板，是画纸的载体，但具体画画等操作是在画纸上完成的。在pyplot中，画纸的概念对应的就是Axes/Subplot。

figure语法说明,具体如下:
figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)

• num:图像编号或名称，数字为编号 ，字符串为名称
• figsize:指定figure的宽和高，单位为英寸；
• dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80
• facecolor:背景颜色
• edgecolor:边框颜色
• frameon:是否显示边框

具体小案例如下:
案例1

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

输出结果如下:

案例2

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

输出结果如下:

知识点2:画子图add_subplot新增子图

首先要理解一些概念问题,具体如下:

• 子图：就是在一张figure里面生成多张子图。
• Matplotlib对象简介
  • FigureCanvas:画布
  • Figure:图
  • Axes:坐标轴(实际画图的地方)

add_subplot的参数与subplots的相似

subplot语法,具体如下:
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()

输出结果:

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()

输出结果如下:

add_subplot()与subplot()的区别:具体可参见python matplotlib中axes与axis的区别?

知识点3:scatter(x, y, 点的大小, 颜色，标记)

matplotlib模块中scatter函数语法及参数含义：
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：指定散点图的x轴数据；
• y：指定散点图的y轴数据；
• s：指定散点图点的大小，默认为20，通过传入新的变量，实现气泡图的绘制；
• c：指定散点图点的颜色，默认为蓝色；
• marker：指定散点图点的形状，默认为圆形；
• cmap：指定色图，只有当c参数是一个浮点型的数组的时候才起作用；
• norm：设置数据亮度，标准化到0~1之间，使用该参数仍需要c为浮点型的数组；
• vmin、vmax：亮度设置，与norm类似，如果使用了norm则该参数无效；
• alpha：设置散点的透明度；
• linewidths：设置散点边界线的宽度；
• edgecolors：设置散点边界线的颜色；
  学习参考链接:# 从零开始学Python【15】--matplotlib(散点图)
  
  scatter(x, y, 点的大小, 颜色，标记)，这是最主要的几个用法，如果括号中不写s= c=则按默认顺序，写了则按规定的来，不考虑顺序.
  案例1
  具体小案例如下:

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，颜色，颜色也可以用随意的数字代替，比如[1,2,3,4]表示不同颜色即可，具体怎么设置想要的颜色后续再研究
plt.show()

输出结果如下:

1. scatter(x, y)

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

显示的结果如下:

总结:
点的大小一样,未采用色彩或其他的记号来标记不同样本分类，不能很好地理解数据信息.

2. scatter(x, y, 点的大小)

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

总结:
点的大小不一样,未采用色彩或其他的记号来标记不同样本分类，不能很好地理解数据信息.

3. scatter(x, y, 点的大小, 颜色)

ax.scatter(datingDataMat[:,1],datingDataMat[:,2],15.0*np.array(datingLabels),15.0*np.array(datingLabels)) #参数分别代表x，y

输出结果如下:

点的大小不一样,采用色彩或其他的记号来标记不同样本分类，能很好地理解数据信息.

知识点4:plt.xlabel()与plt.ylabel()

xlabel、ylabel：分别设置X、Y轴的标题文字。

知识点5:legend()

legend：显示图示，即图中表示每条曲线的标签(label)和样式的矩形区域。
参考链接:matplotlib命令与格式：图例legend语法及设置

legend语法参数如下: matplotlib.pyplot.legend(*args, **kwargs)

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

loc相关参数

• prop:字体参数

知识点6:np.where()

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

• 这里x,y是可选参数，condition是条件，这三个输入参数都是array_like的形式；而且三者的维度相同
• 当conditon的某个位置的为true时，输出x的对应位置的元素，否则选择y对应位置的元素；
• 如果只有参数condition，则函数返回为true的元素的坐标位置信息；
  学习参考链接:怎么理解numpy的where（）？

而本章的源代码就是第二种情况,具体小案例如下:
np.where（x）输出的是九个不为0的数（为真的数的坐标，第一个array[]是横坐标，第二个array[]是纵坐标.

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])

知识点7:Matplotlib支持中文的方法

Matplotlib默认不支持中文,需要在在python脚本的开头加上下面的代码：

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

上面从matplotlib.font_manager字体管理模块代入FontProperties,然后设置字体属性，FontProperties()设置的是Windows系统自带的宋体。关于Windows字体列表，可以查阅WIKI Windows字体列表，size设置的是字体的大小。

参考链接:编码训练：Python title()中文标题支持