pydotplus的安装、基本入门和决策树的可视化

1 说明

=====

1.1 pydotplus是旧pydot项目的一个改进版本，它为graphviz的点语言提供了一个python接口。

1.2 复习一下：

1.2.1 pydot已经淘汰了，不再更新了。

1.2.2 Dot是开源工具包Graphviz上用来画图的一门脚本语言，本次不介绍了。

1.3 提到基本绘制图形，dot语法类似，泰坦尼克号决策树的可视化；讲解清楚，注释仔细，通俗易懂，适合收藏。

2 介绍

=====

2.1 官网：

https://pydotplus.readthedocs.io/

https://github.com/carlos-jenkins/pydotplus

2.2 安装：

pip install pydotplus
#本机安装
sudo pip3.8 install pydotplus

2.3 有时候可能需要安装graphviz：

pip install graphviz  #注意环境变量设置

3 效果展示

========

3.1 入门级图1

3.2 图1代码：

import pydotplus as pdp

#方法一，单引号
#graph = pdp.graph_from_dot_data('digraph demo1{a -> b -> c; c ->a; }')

#方法二，双引号
graph = pdp.graph_from_dot_data(
    '''
        digraph demo1{
            a -> b -> c; c ->a; }
     '''
     )

#生成jpg图片
#graph.write_jpg('/home/xgj/Desktop/pydotplus/3dot.jpg')

#生成png图片
graph.write_png('/home/xgj/Desktop/pydotplus/3dot.png')

#生成pdf文件
#graph.write_pdf('/home/xgj/Desktop/pydotplus/3dot.pdf')

3.3 图2

3.4 图2代码

import pydotplus as pdp

#语法符合原dot语法
dot = '''
//定义节点属性
  digraph g {
      //==========定义节点关系============
      a->b;
      b->c;
      c->a;
      c->d->e->f;
      d->g;
      e->h;
      //==========定义节点属性============
      //定义a节点为长方形, 样式为填充, 填充颜色为#ABACBA
      a[shape=box,label="Server1\nWebServer",fillcolor="#ABACBA",style=filled];
      //定义b为5边形, 标签为"bb", 样式为填充, 填充色为red
      b[shape=polygon,sides=5,label="bb",style=filled,fillcolor=red];
      //c, 默认为椭圆
      d[shape=circle,label="加油",fontname="Microsoft YaHei"]; //圆
      e[shape=triangle]; //三角形
      f[shape=polygon, sides=4, skew=0.5]; //平行四边形
      g[shape=polygon, distortion=0.5]; //梯形, 上边长
      h[shape=polygon, distortion=-.5]; //梯形, 下边长
  }
'''

graph = pdp.graph_from_dot_data(dot)

graph.write_jpg('/home/xgj/Desktop/pydotplus/4dot.jpg')

3.5 图3

3.6 图3代码：

import pydotplus as pdp

dot_cn = """
    digraph demo{
        node [shape=box, style="rounded", color="black", fontname="Microsoft YaHei"];
        edge [fontname="Microsoft YaHei"];
        a -> b[label="哈尼"]
        a[label="你好么？"]
        b[label="我很好！"]
        }
    """
graph = pdp.graph_from_dot_data(dot_cn)

graph.write_jpg('/home/xgj/Desktop/pydotplus/5dot.jpg')

4 泰坦尼克号的决策树

=================

4.1 效果图

4.2 注意

======

4.2.1 决策树是机器学习中一个比较重要而且常用的算法, 是基于香农的信息论计算信息熵然后计算信息增益。

4.2.2 参考文章：

#https://blog.csdn.net/qq_42768234/article/details/99453826?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.add_param_isCf&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.add_param_isCf

4.2.3 数据集：打开网页，复制，并修改txt为csv

http://biostat.mc.vanderbilt.edu/wiki/pub/Main/DataSets/titanic.txt

4.3 代码：

import numpy as np
import pandas as pd


file_path = "/home/xgj/Desktop/pydotplus/titanic.csv"
data = pd.read_csv(file_path)
data["age"].isnull().sum()  # 年龄有680个缺失值

x = data[["pclass", "age", "sex"]]
y = data["survived"]

x["age"].fillna(x["age"].mean(), inplace=True)  # 用平均年龄来填充缺失值

from sklearn.model_selection import train_test_split  # 导入数据集分割
from sklearn.feature_extraction import DictVectorizer  # 导入特征工程
from sklearn.tree import DecisionTreeClassifier  # 导入决策树分类器

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25)  # 分割数据

info = DictVectorizer(sparse=False)  # 特征工程
x_train = info.fit_transform(x_train.to_dict(orient="records"))
x_test = info.fit_transform(x_test.to_dict(orient="records"))

dec = DecisionTreeClassifier(max_depth=5)
dec.fit(x_train, y_train)
dec.score(x_test, y_test)
dec.predict(x_test[0: 1])  # 进行测试预测

from sklearn import tree
import pydotplus  # 可视化
dot_data = tree.export_graphviz(dec, out_file=None,
                        filled=True, rounded=True,
                        special_characters=True)
graph = pydotplus.graph_from_dot_data(dot_data)
graph.get_nodes()[7].set_fillcolor("#FFF2DD")
graph.write_png("/home/xgj/Desktop/pydotplus/graph7.png")

5 加载sklearn自身数据集

===================

5.1 效果图

5.2 参考文章

#https://blog.csdn.net/qq_39290225/article/details/99684091?utm_medium=distribute.pc_relevant.none-task-blog-OPENSEARCH-4.add_param_isCf&depth_1-utm_source=distribute.pc_relevant.none-task-blog-OPENSEARCH-4.add_param_isCf

5.3 代码

from sklearn import tree
from sklearn.datasets import load_wine
from sklearn.model_selection import train_test_split

wine=load_wine()#集合自身的数据集

Xtrain,Xtest,Ytrain,Ytest=train_test_split(wine.data,wine.target,test_size=0.3)

#训练
clf=tree.DecisionTreeClassifier(criterion='entropy')
clf=clf.fit(Xtrain,Ytrain)
#查看一下准确度
score=clf.score(Xtest,Ytest)


f_name=['酒精','苹果酸','灰','灰的碱性','镁','总酚','类黄酮','非黄烷类酚类','花青素','颜色强度','色调','稀释葡萄酒','脯氨酸']


dot_data=tree.export_graphviz(clf
                              ,feature_names=f_name
                              ,class_names=['茅台','啤酒','黄酒']
                              ,filled=True
                              ,rounded=True,
                              out_file=None
                             )


import pydotplus  # 可视化

graph = pydotplus.graph_from_dot_data(dot_data)

graph.write_png("/home/xgj/Desktop/pydotplus/graph8.png")

6 加载自身数据集、生成dot文件和决策树

===============================

6.1 图

6.2 代码：

#参考文章
#https://www.jianshu.com/p/59b510bafb4d

from sklearn import tree
from sklearn.datasets import load_iris

#导入数据集
iris = load_iris()
clf = tree.DecisionTreeClassifier()
clf = clf.fit(iris.data, iris.target)

#生成dot文件
with open("/home/xgj/Desktop/pydotplus/iris.dot", 'w') as f:
    f = tree.export_graphviz(clf, out_file=f)

#决策树pydotplus可视化
import pydotplus 
dot_data = tree.export_graphviz(clf, out_file=None) 
graph = pydotplus.graph_from_dot_data(dot_data) 

graph.write_png("/home/xgj/Desktop/pydotplus/iris.png") 

7 彩蛋

=====

7.1 dot文件可视化两种方法：

7.2 方法一：终端执行dot语法，dot文件在根目录下

dot -Tpng -o world.png world.dot

7.3 方法二：python代码sklearn，并熟悉xy向量

7.3.1 图

7.3.2 代码

#用决策树建模
import sklearn.tree as tree
from sklearn.tree import DecisionTreeRegressor
import numpy as np

clf=tree.DecisionTreeRegressor(min_samples_split=50,max_leaf_nodes=15)


'''
DecisionTreeClassifier 能够实现多类别的分类。输入两个向量
向量X，大小为[n_samples,n_features]，用于记录训练样本；
向量Y，大小为[n_samples]，用于存储训练样本的类标签。
'''

#产生随机数据集和xy向量
rng = np.random.RandomState(1)
x = np.sort(5 * rng.rand(80, 1), axis=0)
y = np.sin(x).ravel()
y[::5] += 3 * (0.5 - rng.rand(16))

#熟悉fit
clf_fit=clf.fit(x,y)

#打开dot文件
tree.export_graphviz(clf_fit,out_file="/home/xgj/Desktop/yhsj/world.dot"  )

import pydotplus 

dot_data = tree.export_graphviz(clf_fit, out_file=None, filled=True, rounded=True, 
special_characters=True) 

graph = pydotplus.graph_from_dot_data(dot_data) 

graph.write_jpg('/home/xgj/Desktop/yhsj/dot.jpg')

小结

基本从简单到复制，难点在clf.fit(x,y)。