python绘制决策树

前言：在使用python绘制决策树的时候，需要使用到matplotlib库，要想使用matplotlib库可以直接安装anaconda就可以了，anaconda中包含了许多的python科学计算库。在使用决策树算法进行分类的时候，我们可以绘制出决策树便于我们进行分析。

对于在绘制决策树的时候使用中文显示出现乱码的时候，加下下面两句代码就可以正常显示

#用来正常显示中文plt.rcParams['font.sans-serif']=['SimHei']#用来正常显示负号plt.rcParams['axes.unicode_minus']=False

在绘制决策树的时候，我们需要先规定决策树的结构，树的结构形式如：{'no surfacing': {0: 'no', 1: {'flippers': {0: 'no', 1: 'yes'}}}}，以字典的结构来存放树，如果将上面的树的结构绘制成图，如下

在绘制树的时候，我们需要知道树的叶子节点和树的深度，从而让我们便于计算节点所处的位置

获取叶子节点的数目，图中的no、no、yes节点就表示叶子节点

def getNumLeafs(myTree):    #初始化树的叶子节点个数    numLeafs = 0    #myTree.keys()获取树的非叶子节点'no surfacing'和'flippers'    #list(myTree.keys())[0]获取第一个键名'no surfacing'    firstStr = list(myTree.keys())[0]    #通过键名获取与之对应的值，即{0: 'no', 1: {'flippers': {0: 'no', 1: 'yes'}}}    secondDict = myTree[firstStr]    #遍历树，secondDict.keys()获取所有的键    for key in secondDict.keys():        #判断键是否为字典，键名1和其值就组成了一个字典，如果是字典则通过递归继续遍历，寻找叶子节点        if type(secondDict[key]).__name__=='dict':            numLeafs += getNumLeafs(secondDict[key])        #如果不是字典，则叶子结点的数目就加1        else:            numLeafs += 1    #返回叶子节点的数目    return numLeafs

获取树的深度

def getTreeDepth(myTree):    #初始化树的深度    maxDepth = 0    #获取树的第一个键名    firstStr = list(myTree.keys())[0]    #获取键名所对应的值    secondDict = myTree[firstStr]    #遍历树    for key in secondDict.keys():        #如果获取的键是字典，树的深度加1        if type(secondDict[key]).__name__ == 'dict':            thisDepth = 1 + getTreeDepth(secondDict[key])        else:            thisDepth = 1        #去深度的最大值        if thisDepth > maxDepth : maxDepth = thisDepth    #返回树的深度    return maxDepth

获取树的叶子节点和树的深度之后，绘制树

#设置画节点用的盒子的样式decisionNode = dict(boxstyle = "sawtooth",fc="0.8")leafNode = dict(boxstyle = "round4",fc="0.8")#设置画箭头的样式    http://matplotlib.org/api/patches_api.html#matplotlib.patches.FancyArrowPatcharrow_args = dict(arrowstyle="<-")#绘图相关参数的设置def plotNode(nodeTxt,centerPt,parentPt,nodeType):    #annotate函数是为绘制图上指定的数据点xy添加一个nodeTxt注释    #nodeTxt是给数据点xy添加一个注释，xy为数据点的开始绘制的坐标,位于节点的中间位置    #xycoords设置指定点xy的坐标类型，xytext为注释的中间点坐标，textcoords设置注释点坐标样式    #bbox设置装注释盒子的样式,arrowprops设置箭头的样式    '''    figure points:表示坐标原点在图的左下角的数据点    figure pixels:表示坐标原点在图的左下角的像素点    figure fraction：此时取值是小数，范围是([0,1],[0,1]),在图的左下角时xy是（0,0），最右上角是(1,1)    其他位置是按相对图的宽高的比例取最小值    axes points : 表示坐标原点在图中坐标的左下角的数据点    axes pixels : 表示坐标原点在图中坐标的左下角的像素点    axes fraction : 与figure fraction类似，只不过相对于图的位置改成是相对于坐标轴的位置    '''    createPlot.ax1.annotate(nodeTxt,xy=parentPt,\    xycoords='axes fraction',xytext=centerPt,textcoords='axes fraction',\    va="center",ha="center",bbox=nodeType,arrowprops=arrow_args)#绘制线中间的文字(0和1)的绘制def plotMidText(cntrPt,parentPt,txtString):    xMid = (parentPt[0]-cntrPt[0])/2.0 + cntrPt[0]   #计算文字的x坐标    yMid = (parentPt[1]-cntrPt[1])/2.0 + cntrPt[1]   #计算文字的y坐标    createPlot.ax1.text(xMid,yMid,txtString)#绘制树def plotTree(myTree,parentPt,nodeTxt):    #获取树的叶子节点    numLeafs = getNumLeafs(myTree)    #获取树的深度    depth = getTreeDepth(myTree)    #firstStr = myTree.keys()[0]    #获取第一个键名    firstStr = list(myTree.keys())[0]    #计算子节点的坐标    cntrPt = (plotTree.xoff + (1.0 + float(numLeafs))/2.0/plotTree.totalW,\              plotTree.yoff)    #绘制线上的文字    plotMidText(cntrPt,parentPt,nodeTxt)    #绘制节点    plotNode(firstStr,cntrPt,parentPt,decisionNode)    #获取第一个键值    secondDict = myTree[firstStr]    #计算节点y方向上的偏移量，根据树的深度    plotTree.yoff = plotTree.yoff - 1.0/plotTree.totalD    for key in secondDict.keys():        if type(secondDict[key]).__name__=='dict':            #递归绘制树            plotTree(secondDict[key],cntrPt,str(key))        else:            #更新x的偏移量,每个叶子结点x轴方向上的距离为 1/plotTree.totalW            plotTree.xoff = plotTree.xoff + 1.0 / plotTree.totalW            #绘制非叶子节点            plotNode(secondDict[key],(plotTree.xoff,plotTree.yoff),\                     cntrPt,leafNode)            #绘制箭头上的标志            plotMidText((plotTree.xoff,plotTree.yoff),cntrPt,str(key))    plotTree.yoff = plotTree.yoff + 1.0 / plotTree.totalD#绘制决策树，inTree的格式为{'no surfacing': {0: 'no', 1: {'flippers': {0: 'no', 1: 'yes'}}}}def createPlot(inTree):    #新建一个figure设置背景颜色为白色    fig = plt.figure(1,facecolor='white')    #清除figure    fig.clf()    axprops = dict(xticks=[],yticks=[])    #创建一个1行1列1个figure，并把网格里面的第一个figure的Axes实例返回给ax1作为函数createPlot()    #的属性，这个属性ax1相当于一个全局变量，可以给plotNode函数使用    createPlot.ax1 = plt.subplot(111,frameon=False,**axprops)    #获取树的叶子节点    plotTree.totalW = float(getNumLeafs(inTree))    #获取树的深度    plotTree.totalD = float(getTreeDepth(inTree))    #节点的x轴的偏移量为-1/plotTree.totlaW/2,1为x轴的长度，除以2保证每一个节点的x轴之间的距离为1/plotTree.totlaW*2    plotTree.xoff = -0.5/plotTree.totalW    plotTree.yoff = 1.0    plotTree(inTree,(0.5,1.0),'')    plt.show()