pyplot

Python & 机器学习之项目实践

你说的曾经没有我的故事 提交于 2020-04-03 22:01:57
机器学习是一项经验技能,经验越多越好。在项目建立的过程中,实践是掌握机器学习的最佳手段。在实践过程中,通过实际操作加深对分类和回归问题的每一个步骤的理解,达到学习机器学习的目的。 预测模型项目模板 不能只通过阅读来掌握机器学习的技能,需要进行大量的练习。本文将介绍一个通用的机器学习的项目模板,创建这个模板总共有六个步骤。通过本文将学到: 端到端地预测(分类与回归)模型的项目结构。 如何将前面学到的内容引入到项目中。 如何通过这个项目模板来得到一个高准确度的模板。 机器学习是针对数据进行自动挖掘,找出数据的内在规律,并应用这个规律来预测新数据,如图19-1所示。 图19-1 在项目中实践机器学习 端到端地解决机器学习的问题是非常重要的。可以学习机器学习的知识,可以实践机器学习的某个方面,但是只有针对某一个问题,从问题定义开始到模型部署为止,通过实践机器学习的各个方面,才能真正掌握并应用机器学习来解决实际问题。 在部署一个项目时,全程参与到项目中可以更加深入地思考如何使用模型,以及勇于尝试用机器学习解决问题的各个方面,而不仅仅是参与到自己感兴趣或擅长的方面。一个很好的实践机器学习项目的方法是,使用从 UCI机器学习仓库(http://archive.ics.uci.edu/ml/datasets.html) 获取的数据集开启一个机器学习项目。如果从一个数据集开始实践机器学习

python 设置颜色渐变条colorbar

戏子无情 提交于 2020-03-10 02:57:13
import matplotlib.pyplot as plt import numpy as np cm1 = plt.cm.get_cmap('RdYlBu') cm2 = plt.cm.get_cmap('RdYlBu_r') # RdYlBu_r末尾加r表示颜色取反 x=np.random.randn(50) y=np.random.randn(50) plt.figure() plt.subplot(1,2,1) sc1=plt.scatter(x, y,c=x,cmap=cm1) plt.colorbar(sc1) plt.subplot(1,2,2) sc2=plt.scatter(x, y,c=x,cmap=cm2) plt.colorbar(sc2) plt.show() import matplotlib.pyplot as plt import numpy as np cm1 = plt.cm.get_cmap('Accent') cm2 = plt.cm.get_cmap('Accent_r') # Accent_r末尾加r表示颜色取反 x=np.random.randn(50) y=np.random.randn(50) plt.figure() plt.subplot(1,2,1) sc1=plt.scatter(x, y,c=x,cmap=cm1)

字符画

独自空忆成欢 提交于 2020-03-08 18:53:57
今日依旧无事,不想搞毕设。 无聊的人想法多,今日就想到把一只 Super Mario 在终端中输出。 具体做法十分「老土」,就是玩字符画那一套,但我这次想把这个字符串输出成彩色的。 准备工作 第一步当然是把图片转换为 24 位的位图,即 bmp 格式的图片,使用 Windows 自带的画图工具即可。 Aside 之所以叫 24 位图,是因为在这种格式的图片中,一个像素由三个整数 (R, G, B) 表示,每个整数均为 8 bit 的整型。R 是 Red,G 是 Green,B 是 Blue,光学三原色是也。 这样使用合适的库打开某个图片,访问 image[i][j] 就可以获得一个三元组 (R, G, B) ,后面的事情就是对这些三元组进行操作输出到终端。也就是说,一个彩色图片可以等价于一个三维数组 image[m][n][3] 。 打开图片 from PIL import Image image = Image.open(os.sys.argv[1]) image = image.resize((int(80), int(80)), Image.ANTIALIAS) # 可以通过 resize 调整高度和宽度 获取一个像素点 image.getpixel(i,j) 预处理为可操作的 list 类型 rgb_data = parse_image(image) def parse

【搬砖】【Python数据分析】Pycharm中plot绘图不能显示出来

穿精又带淫゛_ 提交于 2020-02-16 09:35:08
  最近在看《Python数据分析》这本书,而自己写代码一直用的是Pycharm,在练习的时候就碰到了plot()绘图不能显示出来的问题。网上翻了一下找到知乎上一篇回答,试了一下好像不行,而且答住提供的“from pylab import *”的方法也不太符合编程规范,最后在Stackoverflow找到了想要的答案,特在此分析一下给大家: 以下是 有问题的代码,不能绘图成功 : import pandas as pd from numpy import * import matplotlib.pyplot as plt ts = pd.Series(random.randn(1000), index=pd.date_range('1/1/2000', periods=1000)) ts = ts.cumsum() ts.plot() 解决方案是:导入matplotlib.pyplot库,绘图后再调用matplotlib.pyplot.show()方法就能把绘制的图显示出来了! 如下(注:后面发现此方法在知乎上那篇问答的评论区有人提供了): import pandas as pd from numpy import * import matplotlib.pyplot as plt ts = pd.Series(random.randn(1000), index=pd.date

matplotlib可视化_常用图

可紊 提交于 2020-02-03 20:29:08
今天整理下matplotlib常用到的图形 matplotlib 引入matplotlib包:import matplotlib.pyplot as plt 将图片内嵌在交互窗口,而不是弹出一个图片窗口 %matplotlib inline #notebook模式下 %pylab inline #ipython模式下 matplotlib官方文档 matplotlib官方文档:http://matplotlib.org/users/pyplot_tutorial.html​ pyplot的api http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot 散点图(plt.scatter) %matplotlib inline import matplotlib.pyplot as plt import numpy as np plt.rcParams['axes.unicode_minus'] = False #解决保存图像是负号'-'显示为方块的问题 #rand 均匀分布和 randn高斯分布 x=np.random.randn(1,1000) y=np.random.randn(1,1000) T=np.arctan2(x,y) plt.scatter(x,y,c=T,s=25,alpha=0.5,marker='o'

机器学习——鸢尾花实例(附数据集资源)

我们两清 提交于 2020-02-02 01:22:44
# 这个项目是针对鸢尾花(Iris Flower)进行分类的一个项目,数据集是含鸢尾花的三个亚属的分类信息 # 通过机器学习算法生成一个模型,自动分类新数据到这个三个亚属的某一个中 # 该数据集的特点: # 1.所有特征数据都是数字,不考虑如何导入和处理数据 # 2.这是一个分类问题,可以很方便地通过有监督地通过有监督学习算法来解决问题 # 3.这是一个多分类问题,也许需要一些特殊处理 # 4.所有的特征的数值采用相同的单位,不需要进行尺度的转换 # 导入类库 from pandas import read_csv from pandas.plotting import scatter_matrix from matplotlib import pyplot from sklearn.model_selection import train_test_split from sklearn.model_selection import KFold from sklearn.model_selection import cross_val_score from sklearn.metrics import classification_report from sklearn.metrics import confusion_matrix from sklearn.metrics

matplotlib.pyplot.hist参数详解

左心房为你撑大大i 提交于 2020-01-30 20:46:06
参考官方文档: https://matplotlib.org/api/_as_gen/matplotlib.pyplot.hist.html#matplotlib.pyplot.hist matplot.pyplot.hist(x, bins=None, range=None, density=None, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, normed=None, *, data=None, **kwargs) 返回元组(frequency, bins, patches)。 注:本文将bin译为柱子以帮助理解。 参数: x:数组或(允许长度不等的)数组序列; bins:整数值或序列。如果bins为整数值,则bins为柱子个数,根据数据的取值范围和柱子个数bins计算每个柱子的范围值,柱宽=(x.max()-x.min())/bins。例:数据取值为[1,2,3,4,5,6],bins=6,柱宽=0.8333...,则每个柱子的范围分别为:[1,1.83), [1.83,2.66)...,[5.17

pyplot模块介绍opencv的python实现

自古美人都是妖i 提交于 2020-01-19 18:51:06
subplot函数 subplot(2, 3, 4),函数表示在当前的两行三列的窗口的第四个位置上,添加一个窗口,见示例代码如下 import cv2 import numpy as np import matplotlib . pyplot as plt img = cv2 . imread ( '../data/1.jpg' , 0 ) plt . figure ( 'original' ) plt . subplot ( 2 , 3 , 4 ) plt . hist ( img . ravel ( ) , 256 ) plt . subplot ( 231 ) # 如果行数和列数不大于10,可以省略行数和列数和窗口序号的逗号 plt . hist ( img . ravel ( ) , 256 ) plt . show ( ) imshow函数 该函数有两个参数,第一个参数是图像信息,可以是各种形式的数值 第二个参数表示色彩空间,默认值是null,默认使用RGB(A)色彩空间 代码示例如下 import cv2 import numpy as np import matplotlib . pyplot as plt img_bgr = cv2 . imread ( '../data/1.jpg' , 0 ) img_rgb = cv2 . cvtColor ( img_bgr

matplotlib绘制图形

十年热恋 提交于 2020-01-07 02:44:47
为什么使用matplotlib matplotlib是python中一款功能非常强大的绘图组件,可以根据给定的数据绘制出多种不同的形状,比如直方图、条形图、柱状图、散点图等,就像前端的echart那样,可以将分析后的数据使用形状展示出来,通过图形更加直观的展现出数据内在的规律和趋势 matplotlib通常是数据分析的最后一环,通过python其他的工具对数据进行处理之后,再使用matplotlib对数据绘图 总结来说,matplotlib的作用如下 1.能将数据进行可视化,更直观的呈现 2.使数据更加客观、更具说服力 matplotlib环境安装 matplotlib直接可以使用pip命令即可完成安装,但是个人在安装的时候发现非常慢,因此建议使用豆瓣源的镜像地址安装,执行如下几行命令即可 pip install matplotlib - i http : / / pypi . douban . com / simple -- trusted - host pypi . douban . com pip install numpy - i http : / / pypi . douban . com / simple -- trusted - host pypi . douban . com pip install pandas - i http : / / pypi .

《Python数据可视化编程实战》

丶灬走出姿态 提交于 2019-12-27 14:23:19
《Python数据可视化编程实战》 绘制并定制化图表 3.1 柱状图、线形图、堆积柱状图 from matplotlib.pyplot import * x = [1,2,3,4,5,6] y = [3,4,6,7,3,2] #create new figure figure() #线 subplot(2,3,1) plot(x,y) #柱状图 subplot(2,3,2) bar(x,y) #水平柱状图 subplot(2,3,3) barh(x,y) #叠加柱状图 subplot(2,3,4) bar(x,y) y1=[2,3,4,5,6,7] bar(x,y1,bottom=y,color='r') #箱线图 subplot(2,3,5) boxplot(x) #散点图 subplot(2,3,6) scatter(x,y) show() 3.2 箱线图和直方图 from matplotlib.pyplot import * figure() dataset = [1,3,5,7,8,3,4,5,6,7,1,2,34,3,4,4,5,6,3,2,2,3,4,5,6,7,4,3] subplot(1,2,1) boxplot(dataset, vert=False) subplot(1,2,2) #直方图 hist(dataset) show() 3.3 正弦余弦及图标