画图从零开始

2018/03/17
时隔一年又重新开始捡起来机器学习的东西，还是从最简单的画图开始吧。

当然数据集还是从iris开始。
还是在服务器上运行，这部分还是使用原来的那个命令，引入后执行use('Agg')保证可以保存。
从官方文档处学习:http://scikit-learn.org/stable/auto_examples/datasets/plot_iris_dataset.html#sphx-glr-auto-examples-datasets-plot-iris-dataset-py

version_0:最简单的版本，加载数据后，直接使用plt的默认画图。

1 #! /bin/python2 #coding:utf-83 #2018/03/174 #Author:VChao5 6 import matplotlib7 matplotlib.use('Agg')8 9 10 import matplotlib.pyplot as plt11 from sklearn import datasets12 13 14 def main():15     iris = datasets.load_iris()16     x = iris.data[:,:2]17     y = iris.target18 19     plt.scatter(x[:,0],x[:,1],c = y)                                 20     plt.savefig("start1.png")21 22 23 24 if __name__ == "__main__":25     main()

途中的标号是从vim里面直接带过来的，带着也没什么不好看，就呆着吧。
结果如图：

version_0

缺点：没有标题，没有各个轴的名称

version_1:增加标题，和轴名称

version_1

因为这个测试对相应轴的数量值并不敏感，想办法去掉。

version_2:简单修改坐标轴样式

最终版本代码：

1 #! /bin/python2 #coding:utf-83 #2018/03/174 #Author:VChao5 6 import matplotlib7 matplotlib.use('Agg')8 9 10 import matplotlib.pyplot as plt11 from sklearn import datasets12 13 14 def main():15     iris = datasets.load_iris()16     x = iris.data[:,:2]17     y = iris.target18 19     plt.scatter(x[:,0],x[:,1],c = y)20 21 22     plt.xlabel("Sepal length")23     plt.ylabel("Sepal width")24     plt.title("Hello")25 26     #Make the x line like27     plt.xticks(())28     plt.yticks(())29 30 31                                                                      32     33     plt.savefig("start1.png")34 35 36 37 38 if __name__ == "__main__":39     main()40

version_2

对于个这个点的样式还是可以修改的。后续一点一点修改。

现在单个图的样式已经完成了，但是如果去构造多个图呢，不能说一个一个脚本去写对吧，肯定是从一个图里面，看到多个属性。

version_3:多个图绘制在一起。这里一共是四个属性。正常应该是6个图

如果是说你一个一个的去画，这个工作实在是太繁琐了。当然可能说，以后遇见的数据比较奇葩，各个图本身就不是一样的东西，那就每个单独去画。这里东西还是比较好的，那就最好是函数式编程。

http://blog.topspeedsnail.com/archives/760
上面这个网址是一些子图的绘画方式，这个子图是用subplot，暂且不去关注到底是什么样的方式，先学会一种再说。

http://blog.csdn.net/cdqn10086/article/details/72403899图片大小，设置的时候，一定要在最开始初始化得时候就去弄，你的其他命令可能是新建了另一个画图。比如错误：

plt.figure(figsize=(10,10))
fig,ax = plt.subplots(nrows=2,ncols=3)

https://www.cnblogs.com/nju2014/p/5620776.html这里具体讲述了这个关系。
这个过程应该说还是挺复杂的，不过最后这个图还算是可以接受。

1 #! /bin/python2 #coding:utf-83 #2018/03/174 #Author:VChao5 6 import matplotlib7 matplotlib.use('Agg')8 9 10 import matplotlib.pyplot as plt11 from sklearn import datasets12 13 14 att_array = [[0,1],[0,2],[0,3],15              [1,2],[1,3],[2,3]]16 17 fig,ax = plt.subplots(figsize=(10,7.5),nrows=2,ncols=3)18 19 def scatter_plt(i,x,y,t,one_ax,x_comment,y_comment):20     #row X col -> sub figure nums21     #i         -> the num of nums,cordinate with the plt.subplot22     #x,y,t     -> x axis ,y axis data ,t target23 24     #plt.figure(6 -i,figsize=(8,6))25     #plt.clf()26     one_ax.scatter(x,y,c=t)27     one_ax.set_xticks(())28     one_ax.set_yticks(())29     one_ax.set_xlabel(x_comment)30     one_ax.set_ylabel(y_comment)                                     31 32 33 def main():34     iris = datasets.load_iris()35 36     for i in range(len(att_array)):37         pass38         x = i % 2;39         y = i % 3;40         x_comment = iris.feature_names[att_array[i][0]]41         y_comment = iris.feature_names[att_array[i][1]]42         scatter_plt(i,iris.data[:,att_array[i][0]],43                       iris.data[:,att_array[i][1]],44                       iris.target,ax[x][y],x_comment,y_comment)45 47     plt.savefig("mul.png")48 52 if __name__ == "__main__":53     main()

效果图：

mul_plot

这里还差一点，图例。不过这里要明白一件事，就是我这个图例应该是所有子图都通用的，那么就应该是在figure这个对象上。初步理解，
不过查了挺多资料以后感觉，我这个环境下下面，添加图例有点小困难。
他们网上都是每次都是不一样的画图然后得到的这个不同的图例，而我是直接利用他自己的参数直接穿进去不同的东西了。也就是这个得到标签的中间代码没有写。

带图例

图例的位置可以继续修改，这里就不进行修改了。

1 #! /bin/python2 #coding:utf-83 #2018/03/174 #Author:VChao5 6 import matplotlib7 matplotlib.use('Agg')8                                                                      9 import matplotlib.pyplot as plt10 from sklearn import datasets11 12 13 att_array = [[0,1],[0,2],[0,3],14              [1,2],[1,3],[2,3]]15              16 fig,ax = plt.subplots(figsize=(10,7.5),nrows=2,ncols=3)17 18 tmp1 = None19 tmp2 = None20 tmp3 = None21 22 def scatter_plt(i,x,y,t,one_ax,x_comment,y_comment):23     #row X col -> sub figure nums24     #i         -> the num of nums,cordinate with the plt.subplot25     #x,y,t     -> x axis ,y axis data ,t target26     27     #plt.figure(6 -i,figsize=(8,6))28     #plt.clf()29     global tmp1,tmp2,tmp330     tmp1 = one_ax.scatter(x[:50],y[:50],c="red",label="so")31     tmp2 = one_ax.scatter(x[50:100],y[50:100],c="blue",label="xx")32     tmp3 = one_ax.scatter(x[100:150],y[100:150],c="green",label="xx")33     34     one_ax.set_xticks(())35     one_ax.set_yticks(())36     one_ax.set_xlabel(x_comment)37     one_ax.set_ylabel(y_comment)38     39 def main():40     iris = datasets.load_iris()41     42     for i in range(len(att_array)):43         pass 44         x = i % 2;45         y = i % 3;46         x_comment = iris.feature_names[att_array[i][0]]47         y_comment = iris.feature_names[att_array[i][1]]48         scatter_plt(i,iris.data[:,att_array[i][0]],49                       iris.data[:,att_array[i][1]],50                       iris.target,ax[x][y],x_comment,y_comment)51                       52     fig.legend((tmp1,tmp2,tmp3),["F","Y","X"],loc=2)53     plt.savefig("mul.png")54     55 if __name__ == "__main__":56     main()57

不过这样的代码感觉挺难看的。！！，不如一开始的那个简洁明了。
可能还有别的办法去获取。

对于画图就先到这个底部，后续再继续进行不足。其实后续大框架已经打好了，只需要配置到相应的图像就可以了。
2018/03/18
那本书《python机器学习系统设计》吧，好像是，比我处理的这个过程更好，主要他把数组处理的过程更加简化了。！！
后续再进行添加。
2018/03/24
对于多附图的代码，通过动态添加的方式会比上面这个更好。
https://www.jianshu.com/p/3edb07f58ecd