决策树最大的优点是我们可以查看最终的树结构，上一篇日志中，我们通过 matplotlib 展示了我们自己的树结构

但是 matplotlib 绘制树结构较为复杂，我们这里来了解一个更为易用的绘图工具 -- Graphviz

Graphviz 不能通过 pip 直接安装，需要我们手动在官网下载并安装：

https://graphviz.gitlab.io/about/

安装完成以后，需要在环境变量 Graphviz 的 bin 路径

然后，我们需要安装 pydotplus，你也可以选择安装 pydot，这里我们以 pydotplus 为例，使用 pydot 可以在网上找到示例代码

pip install pydotplus

然后我们编写代码：

# -*- coding: utf-8 -*-

# {{{

from io import StringIO

import pandas

import pydotplus

from sklearn import tree

from sklearn.preprocessing import LabelEncoder

from sklearn.tree import DecisionTreeClassifier

def createDataSet():

"""

创建数据集

:return: 数据集与特征集

"""

dataSet = [['hot', 'sunny', 'high', 'false', 'no'],

['hot', 'sunny', 'high', 'true', 'no'],

['hot', 'overcast', 'high', 'false', 'yes'],

['cool', 'rain', 'normal', 'false', 'yes'],

['cool', 'overcast', 'normal', 'true', 'yes'],

['mild', 'sunny', 'high', 'false', 'no'],

['cool', 'sunny', 'normal', 'false', 'yes'],

['mild', 'rain', 'normal', 'false', 'yes'],

['mild', 'sunny', 'normal', 'true', 'yes'],

['mild', 'overcast', 'high', 'true', 'yes'],

['hot', 'overcast', 'normal', 'false', 'yes'],

['mild', 'sunny', 'high', 'true', 'no'],

['cool', 'sunny', 'normal', 'true', 'no'],

['mild', 'sunny', 'high', 'false', 'yes']]

labels = ['climate', 'weather', 'temple', 'cold']

return dataSet, labels

if __name__ == '__main__':

dataSet, labels = createDataSet()

yDataList = [] # 提取每组数据的类别，保存在列表里

for each in dataSet:

yDataList.append(each[-1])

dataDict = {}

for each_label in labels:

tempList = list()

for each in dataSet:

tempList.append(each[labels.index(each_label)])

dataDict[each_label] = tempList

dataPD = pandas.DataFrame(dataDict)

leDict = dict()

for col in dataPD.columns:

leDict[col] = LabelEncoder()

dataPD[col] = leDict[col].fit_transform(dataPD[col])

dt = DecisionTreeClassifier()

dt.fit(dataPD.values.tolist(), yDataList)

dot_data = StringIO()

tree.export_graphviz(dt, out_file=dot_data, # 绘制决策树

feature_names=dataPD.keys(),

class_names=dt.classes_,

filled=True, rounded=True,

special_characters=True)

graph = pydotplus.graph_from_dot_data(dot_data.getvalue())

graph.progs = {'dot': u"C:\\Program Files (x86)\\Graphviz2.38\\bin\\dot.exe"}

graph.write_pdf("tree.pdf")

xTest = [['hot', 'overcast', 'high', 'false'], ['mild', 'sunny', 'high', 'true']]

testDict = {}

for each_label in labels:

tempList = list()

for each in xTest:

tempList.append(each[labels.index(each_label)])

testDict[each_label] = tempList

testPD = pandas.DataFrame(testDict) # 生成pandas.DataFrame

for col in testPD.columns: # 为每一列序列化

testPD[col] = leDict[col].transform(testPD[col])

result = dt.predict(testPD.values.tolist())

print(result)

#}}}

保存图片的部分其实只需要下面几行：

dot_data = StringIO()

tree.export_graphviz(dt, out_file=dot_data, # 绘制决策树

feature_names=dataPD.keys(),

class_names=dt.classes_,

filled=True, rounded=True,

special_characters=True)

graph = pydotplus.graph_from_dot_data(dot_data.getvalue())

graph.write_pdf("tree.pdf")

这样我们就以 PDF 格式保存了图片：