课程大纲 第 86 课,共 250 课 · 你的第一批机器学习模型
你的第一批机器学习模型

用 matplotlib 观察你的数据

在建模之前,先看看数据。图能揭示一张数字表格所隐藏的形状、分布和离群值。标准工具是 matplotlib,导入为 plt。

画图的现代做法是先要一个 figure 和一个或多个 axes,然后在 axes 上画。一个 axes 就是一块单独的绘图区域:

import matplotlib.pyplot as plt

fig, ax = plt.subplots()       # one figure, one axes
ax.plot([1, 2, 3], [4, 5, 6])
ax.set_title("My chart")

你也可以要一个 axes 网格。plt.subplots(1, 2) 给你一行两个,可以直接解包:

fig, (left, right) = plt.subplots(1, 2)

两种主力图

直方图通过把值分进若干个区间(bin)并统计每个区间里有多少,来展示一个变量的分布:

ax.hist(values, bins=4)

散点图把一个变量对另一个变量画出来,每行一个点,用来揭示它们之间的关系:

ax.scatter(x_values, y_values)

本课程的一条规则

这里永远不要调用 plt.show()。评分器里没有窗口可以弹出,你的代码是通过检查图的数据来评判的,而不是它的像素。例如,一个 4 个区间的直方图会创建 4 个柱形块,你可以用 len(ax.patches) 数出来。所以,建好图,设好标题,再把你需要的东西记录成普通的数字。

轮到你了

给定两个数组:ages 和 spend(各 12 个值)。用 fig, (ax_hist, ax_scatter) = plt.subplots(1, 2) 建一个一行两个 axes 的图。在 ax_hist 上画 ages 的直方图,bins=4,并给它一个标题。在 ax_scatter 上画 ages(x)对 spend(y)的散点图,并给它一个标题。最后设 n_bars = len(ax_hist.patches),并把 n_points 设为画出的散点数量。

发现这节课有问题?报告它 · 就这节课提问

这个练习即将开放

完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。