決策樹(shù)為字典格式，示例如下：

{'tearRate': {'reduced': 'no lenses', 'normal': {' astigmatic': {'yes': {' prescript': {'hyper': {'age': {'pre': 'no lenses', 'presbyopic': 'no lenses', 'young': 'hard'}}, 'myope': 'hard'}}, 'no': {'age': {'pre': 'soft', 'presbyopic': {' prescript': {'hyper': 'soft', 'myope': 'no lenses'}}, 'young': 'soft'}}}}}}

繪制決策樹(shù)代碼

import matplotlib.pyplot as plt

def getNumLeafs(myTree):

# 初始化樹(shù)的葉子節(jié)點(diǎn)個(gè)數(shù)

numLeafs = 0

# myTree.keys()獲取樹(shù)的非葉子節(jié)點(diǎn)'no surfacing'和'flippers'

# list(myTree.keys())[0]獲取第一個(gè)鍵名'no surfacing'

firstStr = list(myTree.keys())[0]

# 通過(guò)鍵名獲取與之對(duì)應(yīng)的值，即{0: 'no', 1: {'flippers': {0: 'no', 1: 'yes'}}}

secondDict = myTree[firstStr]

# 遍歷樹(shù)，secondDict.keys()獲取所有的鍵

for key in secondDict.keys():

# 判斷鍵是否為字典，鍵名1和其值就組成了一個(gè)字典，如果是字典則通過(guò)遞歸繼續(xù)遍歷，尋找葉子節(jié)點(diǎn)

if type(secondDict[key]).__name__ == 'dict':

numLeafs += getNumLeafs(secondDict[key])

# 如果不是字典，則葉子結(jié)點(diǎn)的數(shù)目就加1

else:

numLeafs += 1

# 返回葉子節(jié)點(diǎn)的數(shù)目

return numLeafs

def getTreeDepth(myTree):

# 初始化樹(shù)的深度

maxDepth = 0

# 獲取樹(shù)的第一個(gè)鍵名

firstStr = list(myTree.keys())[0]

# 獲取鍵名所對(duì)應(yīng)的值

secondDict = myTree[firstStr]

# 遍歷樹(shù)

for key in secondDict.keys():

# 如果獲取的鍵是字典，樹(shù)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

# 返回樹(shù)的深度

return maxDepth

# 繪圖相關(guān)參數(shù)的設(shè)置

def plotNode(nodeTxt, centerPt, parentPt, nodeType):

# annotate函數(shù)是為繪制圖上指定的數(shù)據(jù)點(diǎn)xy添加一個(gè)nodeTxt注釋

# nodeTxt是給數(shù)據(jù)點(diǎn)xy添加一個(gè)注釋，xy為數(shù)據(jù)點(diǎn)的開(kāi)始繪制的坐標(biāo),位于節(jié)點(diǎn)的中間位置

# xycoords設(shè)置指定點(diǎn)xy的坐標(biāo)類(lèi)型，xytext為注釋的中間點(diǎn)坐標(biāo)，textcoords設(shè)置注釋點(diǎn)坐標(biāo)樣式

# bbox設(shè)置裝注釋盒子的樣式,arrowprops設(shè)置箭頭的樣式

'''

figure points:表示坐標(biāo)原點(diǎn)在圖的左下角的數(shù)據(jù)點(diǎn)

figure pixels:表示坐標(biāo)原點(diǎn)在圖的左下角的像素點(diǎn)

figure fraction：此時(shí)取值是小數(shù)，范圍是([0,1],[0,1]),在圖的左下角時(shí)xy是(0,0)，最右上角是(1,1)

其他位置是按相對(duì)圖的寬高的比例取最小值

axes points : 表示坐標(biāo)原點(diǎn)在圖中坐標(biāo)的左下角的數(shù)據(jù)點(diǎn)

axes pixels : 表示坐標(biāo)原點(diǎn)在圖中坐標(biāo)的左下角的像素點(diǎn)

axes fraction : 與figure fraction類(lèi)似，只不過(guò)相對(duì)于圖的位置改成是相對(duì)于坐標(biāo)軸的位置

'''

createPlot.ax1.annotate(nodeTxt, xy=parentPt, \

xycoords='axes fraction', xytext=centerPt, textcoords='axes fraction', \

va="center", ha="center", bbox=nodeType, arrowprops=arrow_args)

# 繪制線(xiàn)中間的文字(0和1)的繪制

def plotMidText(cntrPt, parentPt, txtString):

xMid = (parentPt[0] - cntrPt[0]) / 2.0 + cntrPt[0] # 計(jì)算文字的x坐標(biāo)

yMid = (parentPt[1] - cntrPt[1]) / 2.0 + cntrPt[1] # 計(jì)算文字的y坐標(biāo)

createPlot.ax1.text(xMid, yMid, txtString)

# 繪制樹(shù)

def plotTree(myTree, parentPt, nodeTxt):

# 獲取樹(shù)的葉子節(jié)點(diǎn)

numLeafs = getNumLeafs(myTree)

# 獲取樹(shù)的深度

depth = getTreeDepth(myTree)

# firstStr = myTree.keys()[0]

# 獲取第一個(gè)鍵名

firstStr = list(myTree.keys())[0]

# 計(jì)算子節(jié)點(diǎn)的坐標(biāo)

cntrPt = (plotTree.xoff + (1.0 + float(numLeafs)) / 2.0 / plotTree.totalW, plotTree.yoff)

# 繪制線(xiàn)上的文字

plotMidText(cntrPt, parentPt, nodeTxt)

# 繪制節(jié)點(diǎn)

plotNode(firstStr, cntrPt, parentPt, decisionNode)

# 獲取第一個(gè)鍵值

secondDict = myTree[firstStr]

# 計(jì)算節(jié)點(diǎn)y方向上的偏移量，根據(jù)樹(shù)的深度

plotTree.yoff = plotTree.yoff - 1.0 / plotTree.totalD

for key in secondDict.keys():

if type(secondDict[key]).__name__ == 'dict':

# 遞歸繪制樹(shù)

plotTree(secondDict[key], cntrPt, str(key))

else:

# 更新x的偏移量,每個(gè)葉子結(jié)點(diǎn)x軸方向上的距離為 1/plotTree.totalW

plotTree.xoff = plotTree.xoff + 1.0 / plotTree.totalW

# 繪制非葉子節(jié)點(diǎn)

plotNode(secondDict[key], (plotTree.xoff, plotTree.yoff), cntrPt, leafNode)

# 繪制箭頭上的標(biāo)志

plotMidText((plotTree.xoff, plotTree.yoff), cntrPt, str(key))

plotTree.yoff = plotTree.yoff + 1.0 / plotTree.totalD

# 繪制決策樹(shù)，inTree的格式為{'no surfacing': {0: 'no', 1: {'flippers': {0: 'no', 1: 'yes'}}}}

def createPlot(inTree):

# 新建一個(gè)figure設(shè)置背景顏色為白色

fig = plt.figure(1, facecolor='white')

# 清除figure

fig.clf()

axprops = dict(xticks=[], yticks=[])

# 創(chuàng)建一個(gè)1行1列1個(gè)figure，并把網(wǎng)格里面的第一個(gè)figure的Axes實(shí)例返回給ax1作為函數(shù)createPlot()

# 的屬性，這個(gè)屬性ax1相當(dāng)于一個(gè)全局變量，可以給plotNode函數(shù)使用

createPlot.ax1 = plt.subplot(111, frameon=False, **axprops)

# 獲取樹(shù)的葉子節(jié)點(diǎn)

plotTree.totalW = float(getNumLeafs(inTree))

# 獲取樹(shù)的深度

plotTree.totalD = float(getTreeDepth(inTree))

# 節(jié)點(diǎn)的x軸的偏移量為-1/plotTree.totlaW/2,1為x軸的長(zhǎng)度，除以2保證每一個(gè)節(jié)點(diǎn)的x軸之間的距離為1/plotTree.totlaW*2

plotTree.xoff = -0.5 / plotTree.totalW

plotTree.yoff = 1.0

plotTree(inTree, (0.5, 1.0), '')

plt.show()

運(yùn)行代碼

# 設(shè)置畫(huà)節(jié)點(diǎn)用的盒子的樣式

decisionNode = dict(boxstyle="sawtooth", fc="0.8")

leafNode = dict(boxstyle="round4", fc="0.8")

# 設(shè)置畫(huà)箭頭的樣式

arrow_args = dict(arrowstyle="

tree_dict = {'tearRate': {'reduced': 'no lenses', 'normal': {' astigmatic': {'yes': {' prescript': {'hyper': {'age': {'pre': 'no lenses', 'presbyopic': 'no lenses', 'young': 'hard'}}, 'myope': 'hard'}}, 'no': {'age': {'pre': 'soft', 'presbyopic': {' prescript': {'hyper': 'soft', 'myope': 'no lenses'}}, 'young': 'soft'}}}}}}

createPlot(tree_dict)

效果圖

決策樹(shù)構(gòu)建示例

決策樹(shù)實(shí)戰(zhàn)——預(yù)測(cè)隱形眼睛類(lèi)型

總結(jié)

以上是生活随笔為你收集整理的python中如何画出决策树_使用Python绘制决策树的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。