make_blobs 数据生成与可视化代码详解
make_blobs 数据生成与可视化代码详解
完整代码
# 导入绘图工具
import matplotlib.pyplot as plt
# 导入numpy
import numpy as np
# 导入make_blobs函数（这是缺失的部分）
from sklearn.datasets import make_blobs
# 生成样本数为200、分类数为2的数据集
data = make_blobs(n_samples=200, centers=2, random_state=8)
# 大写的X表示数据的特征，小写的y表示数据对应的标签
X, y = data
# 将生成的数据集进行可视化
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.autumn, edgecolor='k')
# 添加图表标题
plt.title('Generated Data with make_blobs')
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.colorbar(label='Class')
# 显示图表
plt.show()
代码逐行解析
1. 导入必要的库
import matplotlib.pyplot as plt # 数据可视化库
import numpy as np # 数值计算库
from sklearn.datasets import make_blobs # 生成聚类数据集
说明：
matplotlib.pyplot：Python最常用的绘图库numpy：科学计算基础库make_blobs：scikit-learn中用于生成聚类数据集的函数
2. 生成数据集
data = make_blobs(n_samples=200, centers=2, random_state=8)
参数解释：
| 参数 | 值 | 说明 |
|---|---|---|
n_samples |
200 | 生成的总样本数 |
centers |
2 | 聚类中心数量（即类别数） |
random_state |
8 | 随机种子，保证每次生成相同的数据 |
返回值：
data是一个元组：(X, y)X：特征矩阵，形状为 (200, 2)y：标签数组，形状为 (200,)
3. 解包数据
X, y = data
变量含义：
X：二维数组，每一行是一个样本，每一列是一个特征y：一维数组，表示每个样本所属的类别（0或1）
数据结构示例：
X.shape = (200, 2) # 200个样本，每个样本2个特征
y.shape = (200,) # 200个标签
X[0] = [2.5, 3.1] # 第0个样本的特征值
y[0] = 0 # 第0个样本属于类别0
4. 可视化数据
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.autumn, edgecolor='k')
参数详解：
| 参数 | 值 | 作用 |
|---|---|---|
X[:, 0] |
第一列特征 | 作为x坐标 |
X[:, 1] |
第二列特征 | 作为y坐标 |
c |
y |
根据标签设置点的颜色 |
cmap |
plt.cm.autumn |
使用autumn颜色映射（红黄色系） |
edgecolor |
'k' |
点的边缘颜色为黑色 |
颜色映射说明：
autumncolormap：从黄色到红色的渐变- 类别0显示为黄色
- 类别1显示为红色
输出效果
执行代码后，你将看到：
- 散点图：200个数据点分布在二维平面上
- 颜色区分：
- 黄色点：类别0
- 红色点：类别1
- 聚集特征：同类别数据点会聚集在一起（形成2个簇）
预期效果：
↑
5 | ●●●●●●●●●●●●
| ●●●●●●●●●●●●●●●
4 | ●●●●●●●●●●●●●●●●
| ●●●●●●●●●●●●●●●●●●
3 | ●●●●●●●●●●●●●●●●●●●●
| ●●●●●●●●●●●●●●●●●●●●
2 | ●●●●●●●●●●●●●●●●●●●
| ●●●●●●●●●●●●●●●●
1 | ●●●●●●●●●●●●●●●
| ●●●●●●●●●●●●●●
0 | ●●●●●●●●●●●●
+--------------------------→
0 2 4 6 8 10
（黄色簇和红色簇明显分开）
扩展示例
示例1：生成3个聚类中心
# 生成3个类别
data = make_blobs(n_samples=300, centers=3, random_state=42)
X, y = data
# 可视化
plt.scatter(X[:, 0], X[:, 1], c=y, cmap='viridis', edgecolor='k')
plt.title('Three Clusters')
plt.colorbar(label='Class')
plt.show()
示例2：调整聚类分布
# 生成更分散或更紧凑的聚类
data = make_blobs(n_samples=200,
centers=2,
cluster_std=2.0, # 聚类的标准差，越大越分散
random_state=8)
X, y = data
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.autumn, edgecolor='k')
plt.title('Clusters with Different Spread')
plt.show()
示例3：生成高维数据
# 生成3维特征的数据
data = make_blobs(n_samples=200,
centers=3,
n_features=3, # 3个特征
random_state=42)
X, y = data
print(f"数据形状: {X.shape}")
print(f"标签形状: {y.shape}")
print(f"类别数量: {len(np.unique(y))}")
常用参数汇总
make_blobs 完整参数
make_blobs(
n_samples=100, # 总样本数
n_features=2, # 每个样本的特征数
centers=None, # 聚类中心数量或中心坐标
cluster_std=1.0, # 每个聚类的标准差
center_box=(-10.0, 10.0), # 聚类中心的边界
shuffle=True, # 是否打乱样本顺序
random_state=None, # 随机种子
return_centers=False # 是否返回聚类中心
)
scatter 常用参数
plt.scatter(
x, # x坐标
y, # y坐标
s=None, # 点的大小
c=None, # 点的颜色或标签
marker='o', # 点的形状
cmap=None, # 颜色映射
alpha=None, # 透明度
edgecolors=None, # 边缘颜色
linewidths=None # 边缘线宽
)
实用技巧
1. 查看生成的数据
data = make_blobs(n_samples=200, centers=2, random_state=8)
X, y = data
print(f"特征矩阵 X:\n{X[:5]}") # 打印前5个样本
print(f"\n标签 y:\n{y[:5]}") # 打印前5个标签
print(f"\n类别分布: {np.bincount(y)}") # 统计各类别数量
2. 添加图例
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.autumn, edgecolor='k')
plt.title('Cluster Visualization')
# 添加图例
from matplotlib.colors import ListedColormap
colors = ['red', 'yellow']
cmap = ListedColormap(colors)
for i, color in enumerate(colors):
plt.scatter([], [], c=color, label=f'Class {i}')
plt.legend()
plt.show()
3. 保存图片
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.autumn, edgecolor='k')
plt.savefig('clusters.png', dpi=300, bbox_inches='tight')
plt.show()
应用场景
make_blobs 常用于：
- 算法测试：测试聚类算法（如K-Means）
- 分类器评估：测试分类算法性能
- 数据可视化教学：演示数据分布
- 原型开发：快速生成测试数据
- 机器学习实验：对比不同算法效果
完整可运行示例
import matplotlib.pyplot as plt
import numpy as np
from sklearn.datasets import make_blobs
# 设置中文字体（可选）
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 生成数据
print("正在生成数据集...")
data = make_blobs(n_samples=200, centers=2, random_state=8)
X, y = data
print(f"数据集信息：")
print(f"- 样本数：{X.shape[0]}")
print(f"- 特征数：{X.shape[1]}")
print(f"- 类别数：{len(np.unique(y))}")
print(f"- 类别分布：{np.bincount(y)}")
# 创建图形
plt.figure(figsize=(10, 6))
# 绘制散点图
scatter = plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.autumn,
edgecolor='k', s=60, alpha=0.8)
# 添加图表元素
plt.title('make_blobs生成的聚类数据', fontsize=14, pad=20)
plt.xlabel('特征 1 (Feature 1)', fontsize=12)
plt.ylabel('特征 2 (Feature 2)', fontsize=12)
plt.grid(True, linestyle='--', alpha=0.3)
# 添加颜色条
cbar = plt.colorbar(scatter)
cbar.set_label('类别标签', fontsize=12)
# 添加文本说明
plt.text(0.02, 0.98,
f'总样本数: {len(y)}\n类别0: {np.sum(y==0)}\n类别1: {np.sum(y==1)}',
transform=plt.gca().transAxes,
verticalalignment='top',
bbox=dict(boxstyle='round', facecolor='wheat', alpha=0.5))
# 显示图表
plt.tight_layout()
plt.savefig('make_blobs_example.png', dpi=300, bbox_inches='tight')
print("\n图表已保存为 'make_blobs_example.png'")
plt.show()
总结
这段代码的核心流程：
- 导入库 → 导入必要的工具包
- 生成数据 → 使用make_blobs创建聚类数据
- 解包数据 → 将特征和标签分离
- 可视化 → 用散点图展示数据分布
关键点：
make_blobs是生成合成数据的强大工具- 通过
random_state保证结果可重现 c参数根据标签自动着色cmap控制颜色方案
尝试：
- 实验不同参数观察数据分布变化
- 尝试不同的colormap（如'viridis', 'plasma', 'coolwarm'）
- 结合聚类算法（如K-Means）进行实践
浙公网安备 33010602011771号