• Matplotlib数据可视化(笔记03)


    Matplotlib 波士顿房价数据可视化

    import tensorflow as tf
    

    01 波士顿房价数据集的内容及获取方式

    16

    bostion_housing = tf.keras.datasets.boston_housing # 获取数据集

    (train_x, train_y), (test_x, test_y) = bostion_housing.load_data(test_split = 0) # 加载数据集

    print("Training set: ", len(train_x)) # 训练数据集中数据个数

    print("Testing set: ", len(test_x)) # 测试数据集中数据个数
    Training set:  506
    Testing set:  0
    
    print(train_x[:, 5][1: 20]) # 获取数据集中房间数的前20条数据
    
    [7.61  4.97  6.037 6.376 5.708 5.536 5.468 5.628 5.019 6.404 4.628 5.572
     6.251 5.613 5.957 7.016 6.345 6.162 6.727]
    

    02 数据可视化

    import matplotlib.pyplot as plt
    

    (1) 单独一种因素的绘图

    plt.rcParams['font.sans-serif'] = 'SimHei'

    plt.figure(figsize=(10, 6), facecolor='blue')

    plt.scatter(train_x[:, 5], train_y)

    plt.xlabel('房间数', fontsize = 16)

    plt.ylabel('销售价格', fontsize = 16)

    plt.title('房间数对房屋价格的影响', color = 'white', fontsize = 20)

    plt.show()

    out09

    (2) 所有因素的绘图

    title = ['CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', 'DIS',
            'RAD', 'TAX', 'PTRATIO', 'B-1000', 'LSTAT', 'MEDV']

    plt.figure(figsize=(12, 12), facecolor='blue')

    plt.suptitle('波士顿房屋价格可视化', color = 'white', x=0.5, y=1.02, fontsize = 25)

    for i in range(13):

    plt.subplot(4, 4, (i+1))

    plt.scatter(train_x[:, i], train_y)

    plt.xlabel(title[i])

    plt.ylabel("Price($1000's)")

    plt.title(str(i+1) + '.' + title[i] + '-Price')

    plt.tight_layout()

    plt.show()

    out11

  • 相关阅读:
    InApp PurchaseVerifying Store Receipts[6]
    InApp PurchaseTesting a Store [7]
    App Store Review Guidelines
    JAVA基础之一维数组和多维数组
    定位标记
    JSTL常用标签汇总
    struts1.2原理
    struts1.2中的ActionForm
    jdbc连接
    ActionForm与bean的区别
  • 原文地址:https://www.cnblogs.com/lbr12218/p/14609048.html
Copyright © 2020-2023  润新知