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：

• autumn colormap：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：

1. 散点图：200个数据点分布在二维平面上
2. 颜色区分：
   • 黄色点：类别0
   • 红色点：类别1
3. 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 = dataplt.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 = dataprint(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 = dataprint(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：

1. 算法测试：测试聚类算法（如K-Means）
2. 分类器评估：测试分类算法性能
3. 数据可视化教学：演示数据分布
4. 原型开发：快速生成测试数据
5. 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 = dataprint(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：

1. 导入库 → 导入必要的工具包
2. 生成数据 → 使用make_blobs创建聚类数据
3. 解包数据 → 将特征和标签分离
4. 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

---