Matplotlib绘制树形图

树信息存储为”字典“对象，

例如{‘no surfacing’: {0: ‘no’, 1: {‘flippers’: {0: ‘no’, 1: ‘yes’}}}}
绘制图形为：

#绘制树形图
import matplotlib.pyplot as pltdecision_node = dict(boxstyle="sawtooth",fc="0.8")
leaf_node = dict(boxstyle="round4",fc="0.8")
arrow_args = dict(arrowstyle="<-")
#获取树的叶子结点个数（确定图的宽度）
def get_leaf_num(tree):leaf_num = 0first_key = list(tree.keys())[0]next_dict = tree[first_key]for key in next_dict.keys():if type(next_dict[key]).__name__=="dict":leaf_num +=get_leaf_num(next_dict[key])else:leaf_num +=1return leaf_num
#获取数的深度（确定图的高度）
def get_tree_depth(tree):depth = 0first_key = list(tree.keys())[0]next_dict = tree[first_key]for key in next_dict.keys():if type(next_dict[key]).__name__ == "dict":thisdepth = 1+ get_tree_depth(next_dict[key])else:thisdepth = 1if thisdepth>depth: depth = thisdepthreturn depthdef plotNode(nodeTxt, centerPt, parentPt, nodeType):createPlot.ax1.annotate(nodeTxt, xy=parentPt, xycoords='axes fraction',xytext=centerPt, textcoords='axes fraction',va="center", ha="center", bbox=nodeType, arrowprops=arrow_args)#在父子节点间填充文本信息
def plotMidText(cntrPt, parentPt, txtString):xMid = (parentPt[0] - cntrPt[0]) / 2.0 + cntrPt[0]yMid = (parentPt[1] - cntrPt[1]) / 2.0 + cntrPt[1]createPlot.ax1.text(xMid, yMid, txtString, va="center", ha="center", rotation=30)def plotTree(myTree, parentPt, nodeTxt):numLeafs = get_leaf_num(myTree)depth = get_tree_depth(myTree)firstStr = list(myTree.keys())[0]cntrPt = (plotTree.xOff + (1.0 + float(numLeafs)) / 2.0 / plotTree.totalW, plotTree.yOff)plotMidText(cntrPt, parentPt, nodeTxt)plotNode(firstStr, cntrPt, parentPt, decision_node)secondDict = myTree[firstStr]plotTree.yOff = plotTree.yOff - 1.0 / plotTree.totalDfor key in secondDict.keys():if type(secondDict[key]).__name__ == 'dict':plotTree(secondDict[key], cntrPt, str(key))else:plotTree.xOff = plotTree.xOff + 1.0 / plotTree.totalWplotNode(secondDict[key], (plotTree.xOff, plotTree.yOff), cntrPt, leaf_node)plotMidText((plotTree.xOff, plotTree.yOff), cntrPt, str(key))plotTree.yOff = plotTree.yOff + 1.0 / plotTree.totalDdef createPlot(inTree):fig = plt.figure(1, facecolor='white')fig.clf()axprops = dict(xticks=[], yticks=[])createPlot.ax1 = plt.subplot(111, frameon=False, **axprops)plotTree.totalW = float(get_leaf_num(inTree))plotTree.totalD = float(get_tree_depth(inTree))plotTree.xOff = -0.5 / plotTree.totalWplotTree.yOff = 1.0plotTree(inTree, (0.5, 1.0), '')plt.show()

Matplotlib绘制树形图相关推荐

【机器学习实战】python中使用Matplotlib绘制树形图
上一篇:决策树--构造决策树文章目录 Matplotlib注解使用文本注解绘制树节点测试构造注解树获取叶节点的数目和树的层数测试 plotTree 测试 Matplotlib注解 Matp ...
决策树使用matplotlib绘制树形图时判断节点x坐标计算方法
以下情况是在决策树大多是二叉树时画出来的树形比较好看一些. 注释: 1.cntrPt = (plotTree.xOff + (1.0 + float(numLeafs))/2.0/plotTree. ...
机器学习：使用Matplotlib注解绘制树形图以及实例运用
前言内容承接上篇文章:决策树(Decision Tree)算法详解及python实现这篇补充上篇没有说到的知识点以及运用. 一.增益率采用与信息增益相同的表达式,增益率定义为: 其中: 称为属性 ...
matPlotLib绘制决策树
上篇中,实现了创建决策树但并不直观,这里学习绘制决策树,便于直观理解. Matplotlib提供了名为pylab的模块,其中包括了许多numpy和pyplot中常用的函数,方便用户快速进行计算和绘图, ...
《机器学习实战》学习笔记：绘制树形图使用决策树预测隐形眼镜类型
上一节实现了决策树,但只是使用包含树结构信息的嵌套字典来实现,其表示形式较难理解,显然,绘制直观的二叉树图是十分必要的.Python没有提供自带的绘制树工具,需要自己编写函数,结合Matplotlib ...
matplotlib绘制图表，设置刻度标签、最大最小刻度、字体大小，label位置、刻度轴箭头等
matplotlib绘制图表,设置刻度标签.最大最小刻度.字体大小,label位置.刻度轴箭头等 1. 效果图 2. 源码 2.1 仅使用普通轴ax + fontdict 源码 2.2 使用mpl设置 ...
使用KMeanCluster对多个区域进行聚类，并结合Matplotlib绘制中心点、最大最小距离点
使用KMeanCluster对多个区域进行聚类,并结合Matplotlib绘制中心点.最大最小距离点 1. 效果图 2. 源码 2.1 原始数据--xq.txt 2.2 源码参考这篇博客将演示如何 ...
Matplotlib绘制象限图——支持中文、箭头、自定义轴线交点
Matplotlib绘制象限图--支持中文.箭头.自定义轴线交点 1. 效果图 2. 原理 2.1 绘制象限图步骤 2.1 添加文字到图表 3. 源码参考这篇博客将介绍如何使用matplotlib ...
python绘制三维轨迹_Python学习（一） —— matplotlib绘制三维轨迹图
在研究SLAM时常常需要对其输出的位姿进行复现以检测算法效果,在ubuntu系统中使用Python可以很好的完成相关的工作. 一. Ubuntu下Python的使用在Ubuntu下使用Python有 ...

Matplotlib绘制树形图

Matplotlib绘制树形图

Matplotlib绘制树形图相关推荐

最新文章

热门文章