@浙大疏锦行

官方文档的检索方式：GitHub和官网

官方文档的阅读和使用：要求安装的包和文档为同一个版本

类的关注点：

a.实例化所需要的参数

b.普通方法所需要的参数

c.普通方法的返回值

绘图的理解：对底层库的调用

import pandas as pd import numpy as np import matplotlib.pyplot as plt from sklearn.datasets import load_iris from pdpbox.info_plots import InteractTargetPlot # 导入核心类 # ===================== 1. 全局配置 & 数据准备 ===================== # 解决中文显示问题（matplotlib引擎） plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False # 加载鸢尾花数据集并格式化 iris = load_iris() iris_df = pd.DataFrame( data=np.c_[iris.data, iris.target], columns=[ 'sepal_length', 'sepal_width', 'petal_length', 'petal_width', 'target' ] ) # 目标变量为整数（0/1/2对应3类鸢尾花），无需额外编码 # ===================== 2. 初始化 InteractTargetPlot 类 ===================== # 核心：分析花瓣长度+花瓣宽度的交互与目标类别的关系 interact_target_plot = InteractTargetPlot( df=iris_df, # 包含特征和目标的DataFrame features=['petal_length', 'petal_width'], # 待分析的两个交互特征（列名） feature_names=['花瓣长度 (cm)', '花瓣宽度 (cm)'], # 特征显示名称（用于绘图标注） target='target', # 目标变量列名 num_grid_points=10, # 每个特征的网格点数（分箱数，默认10） grid_types='percentile', # 网格划分方式：percentile（分位数）/ equal（等距） percentile_ranges=None, # 分位数范围（None=0-100%） grid_ranges=None, # 自定义网格范围（如[[0,7],[0,3]]） cust_grid_points=None, # 自定义网格点（优先级高于num_grid_points） show_outliers=False, # 是否显示异常值 endpoints=True # 是否包含网格端点 ) # ===================== 3. 绘制交互目标图（Matplotlib引擎） ===================== # 适配多分类任务，绘制所有类别（也可指定which_classes=[0,1]仅绘前两类） fig, axes, summary_df = interact_target_plot.plot( which_classes=None, # 绘制所有类别（0/1/2） show_percentile=True, # 显示特征分位数标注 figsize=(14, 10), # 图表尺寸 dpi=300, # 分辨率（仅matplotlib生效） ncols=2, # 子图列数（多分类时自动分栏） annotate=True, # 标注每个网格点的详细信息（样本数/均值） plot_params={ # 自定义绘图样式 'cmap': 'viridis', # 配色方案 'title_fontsize': 16, 'label_fontsize': 12, 'tick_fontsize': 10 }, engine='matplotlib', # 绘图引擎：matplotlib/plotly template='plotly_white' # plotly模板（仅plotly生效） ) # 调整布局并保存/显示 plt.tight_layout() plt.savefig('iris_interact_target_matplotlib.png', bbox_inches='tight') plt.show() # ===================== 4. 扩展：Plotly引擎（交互式图表） ===================== # Plotly引擎生成可交互图表（支持缩放/悬停查看详情） fig_plotly, _, summary_df_plotly = interact_target_plot.plot( which_classes=[0, 1, 2], # 显式指定绘制所有3类 show_percentile=True, figsize=(14, 10), annotate=True, plot_params={ 'color_continuous_scale': 'RdBu_r' }, engine='plotly', # 切换为plotly交互式引擎 template='plotly_dark' # plotly深色模板 ) # 显示Plotly图表（Jupyter/浏览器中可交互） fig_plotly.show() # 保存Plotly图表为HTML fig_plotly.write_html('iris_interact_target_plotly.html') # ===================== 5. 查看统计结果 ===================== print("=== 交互特征网格统计摘要 ===") print(summary_df.head(10)) # 输出每个网格的目标变量统计（均值/样本数等） print(f"\n目标类别数：{interact_target_plot.n_classes}") # 查看推断的类别数（3） print(f"特征列名：{interact_target_plot.feature_cols}") # 查看特征列名