python绘图 d3.js 和echarts、Graphviz绘图

安装

pip install mpld3

另外又安装Ipython（Ipython不需要）、ntlk（报错，需安装）

import matplotlib.pyplot as plt, mpld3 plt.plot([3,1,4,1,5], 'ks-', mec='w', mew=5, ms=20) mpld3.show() '''

用自带天气数据绘制点图，红色标记区段是jupyter中需使用，未安装情况下，可注释掉

#通过d3.js进行可视化 #导入，并启用mpld3#% matplotlib inline  #在使用jupyter notebook 或者 jupyter qtconsole的时候，才会经常用到%matplotlib import matplotlib.pyplot as plt import mpld3#mpld3.enable_notebook() from mpld3 import plugins import seaborn as sns from dautil import data from dautil import ts

#加载天气数据并按照下面的方法将其绘制出来 df=data.Weather.load() df=df[['TEMP','WIND_SPEED']] df=ts.groupby_yday(df).mean() fig,ax=plt.subplots() ax.set_title('Average Grouped by Day of Year') points=ax.scatter(df['TEMP'],df['WIND_SPEED'],s=30,alpha=.3) ax.set_xlabel(data.Weather.get_header('TEMP')) ax.set_ylabel(data.Weather.get_header('WIND_SPEED')) labels=["Day of year {0}".format(i) for i in range(366)] tooltip=plugins.PointLabelTooltip(points,labels) plugins.connect(fig,tooltip) mpld3.show()

案例2执行时运行时，报错参数形式不对，需修改参数如下

安装echarts

pip install -U pyecharts

# 安装 1.0.x 以上版本 $ pip install pyecharts -U

# 如果需要安装 0.5.11 版本的开发者，可以使用 # pip install pyecharts==0.5.11

另外，我又安装了pip install -U pyecharts_snapshot 、pip install wheel（不知道有没有用，百度了说要装）。下面是官网上提供的代码：

#生成html文件 from pyecharts.charts import Bar from pyecharts import options as opts # V1 版本开始支持链式调用 bar = (     Bar()     .add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"])     .add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105])     .add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49])     .set_global_opts(title_opts=opts.TitleOpts(title="某商场销售情况")) ) bar.render()

# 不习惯链式调用的开发者依旧可以单独调用方法 bar = Bar() bar.add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"]) bar.add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105]) bar.add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49]) bar.set_global_opts(title_opts=opts.TitleOpts(title="某商场销售情况")) bar.render(

上述案例绘图 

词云图 -热点分析

另外，echarts可以实现其他多种形式图，具体可参照

https://blog.csdn.net/qq_38534107/article/details/90376212

https://github.com/pyecharts/pyecharts-gallery （官方文档）   

用graphviz绘制决策树的图

需安装包 pip install -U graphviz

案例代码是来源于python数据分析与挖掘实战，部分做了修改

#-*- coding:utf-8 -*- import pandas as pd import numpy as np from random import shuffle  #导入随机函数shuffle，用来打乱数据 import matplotlib.pyplot as plt

#导入数据 datafile='../data/model.xls'#数据名 data0=pd.read_excel(datafile)#读取数据，数据的前三列是特征，第四列是标签 data=data0.values  #将表格转换为矩阵 shuffle(data)  #随机打乱数据 p=0.8  #设置训练数据比例 train=data[:int(len(data)*p),:]  #前80%为训练数据 test=data[int(len(data)*p):,:]  #后20%为测试集

#CART决策树模型 from sklearn.tree import DecisionTreeClassifier   #导入决策树模型 treefile='../tmp/tree.pkl'  #模型输出名字 trees=DecisionTreeClassifier()  #建立决策树模型 trees.fit(train[:,:3],train[:,3])  #训练

#保存模型 from sklearn.externals import joblib joblib.dump(trees,treefile)

from plot import * #导入自行编写的混淆矩阵可视化函数 plot_cm(train[:,3],trees.predict(train[:,:3])).show()  #显示混淆矩阵可视化结果 #注意到Scikit-learn使用predict方法直接给出预测结果。

import graphviz  #导入绘图模块 from sklearn import tree print(trees)

#画图方式一，导出bot文件，然后画图 # 导入相关函数，可视化决策树。 # 导出的结果是一个dot文件，需要安装Graphviz才能将它转换为pdf或png等格式。 from sklearn.tree import export_graphviz from sklearn.externals.six import StringIO x=data0.iloc[:,:3].values.astype(int) x = pd.DataFrame(x) with open("../tmp/tree.dot", 'w') as f:     f = export_graphviz(trees, feature_names=x.columns, out_file=f)

生成.dot文件如下，

（1）将tree.dot另存为非bom的utf-8格式。若不改，会报错。

在window中，utf-8格式默认为带bom格式，为编程带来麻烦。需存为utf-8非bom格式。我是用sumlime打开，另存为utf-8格式。

(2)中文修改编辑。

 tree.dot文件修改样例

digraph Tree {edge[fontname="SimHei"];    #显示中文字体 node[fontname="SimHei"]; 0 [label="2