快速入门Python机器学习(三)

简介: 快速入门Python机器学习(三)

三、基本绘图工具


1 引入包

# coding:utf-8
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt #pip3 install matplotlib
import seaborn as sns #pip3 install seaborn


1 折线图

def broken_line():
    s = pd.Series(np.random.randn(20).cumsum())
    s.plot(style='o-',xlim=[0,22],grid=True)
    plt.show()
    df = pd.DataFrame(np.random.randn(10,3).cumsum(0),
        columns = ['A','B','C'],
        index = np.arange(0,100,10))
    df.plot()
    plt.show()

image.png

image.png


2柱状图

def Histogram():
    flag,axes = plt.subplots(2,1)
    s = pd.Series(np.random.randn(10),index=list('ABCDEFGHIJ'))
    s.plot.bar(ax=axes[0])#纵向柱状图
    s.plot.barh(ax=axes[1])#横向柱状图
    plt.show()
    flag,axes = plt.subplots(2,1)
    df = pd.DataFrame(np.random.randn(6,3),
         index = list('abcdef'),
         columns = list('ABC'))                     
    df.plot.bar(ax=axes[0])
    df.plot.barh(ax=axes[1],stacked=True)#stacked=True表示生成堆积柱状图
    plt.show()

image.png

image.png


3 直方图 & 密度图

def density_map():
    flag,axes = plt.subplots(2,1)
    s = pd.Series(np.random.randn(100))
    s.plot.hist(ax=axes[0])#直方图
    s.plot.density(ax=axes[1])#密度图,C:\Users\xiang>pip3 install scipy
    plt.show()
    s = pd.Series(np.random.normal(0,1,100))
    sns.distplot(s,color='g')
    plt.show()

image.png

image.png


4 散点图

def scatter_diagram():
    df = pd.DataFrame(np.random.randn(100,3),
       columns = list('ABC'))
    sns.regplot('A','B',data=df) #散点图
    plt.show()
    sns.pairplot(df,diag_kind='kde')#散布图
    plt.show()

image.png

image.png


在人工智能领域,经常用折线来做回归的拟合线,用散点图来做分类图。

目录
相关文章
|
1月前
|
机器学习/深度学习 数据采集 数据可视化
Python数据科学实战:从Pandas到机器学习
Python数据科学实战:从Pandas到机器学习
|
1月前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
85 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
1月前
|
机器学习/深度学习 数据采集 人工智能
探索机器学习:从理论到Python代码实践
【10月更文挑战第36天】本文将深入浅出地介绍机器学习的基本概念、主要算法及其在Python中的实现。我们将通过实际案例,展示如何使用scikit-learn库进行数据预处理、模型选择和参数调优。无论你是初学者还是有一定基础的开发者,都能从中获得启发和实践指导。
47 2
|
1月前
|
机器学习/深度学习 数据可视化 数据处理
掌握Python数据科学基础——从数据处理到机器学习
掌握Python数据科学基础——从数据处理到机器学习
42 0
|
1月前
|
机器学习/深度学习 数据采集 人工智能
机器学习入门:Python与scikit-learn实战
机器学习入门:Python与scikit-learn实战
42 0
|
1月前
|
机器学习/深度学习 数据采集 数据挖掘
Python在数据科学中的应用:从数据处理到模型训练
Python在数据科学中的应用:从数据处理到模型训练
|
7月前
|
机器学习/深度学习 存储 搜索推荐
利用机器学习算法改善电商推荐系统的效率
电商行业日益竞争激烈,提升用户体验成为关键。本文将探讨如何利用机器学习算法优化电商推荐系统,通过分析用户行为数据和商品信息,实现个性化推荐,从而提高推荐效率和准确性。
251 14
|
7月前
|
机器学习/深度学习 算法 数据可视化
实现机器学习算法时,特征选择是非常重要的一步,你有哪些推荐的方法?
实现机器学习算法时,特征选择是非常重要的一步,你有哪些推荐的方法?
132 1
|
7月前
|
机器学习/深度学习 算法 搜索推荐
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
|
7月前
|
机器学习/深度学习 数据采集 算法
解码癌症预测的密码:可解释性机器学习算法SHAP揭示XGBoost模型的预测机制
解码癌症预测的密码:可解释性机器学习算法SHAP揭示XGBoost模型的预测机制
349 0