python决策树画图

### 回答1：
要在Python中绘制决策树，可以使用Graphviz包。下面是一个简单的示例代码，演示如何使用Graphviz包绘制决策树：

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier, export_graphviz
import graphviz

# 加载Iris数据集
iris = load_iris()
X = iris.data
y = iris.target

# 训练决策树模型
tree_clf = DecisionTreeClassifier(max_depth=2)
tree_clf.fit(X, y)

# 将决策树模型导出为DOT格式
dot_data = export_graphviz(
        tree_clf,
        out_file=None,
        feature_names=iris.feature_names,
        class_names=iris.target_names,
        rounded=True,
        filled=True
    )

# 使用Graphviz包将DOT格式转换为图像
graph = graphviz.Source(dot_data)
graph.render("iris_decision_tree")

在运行完上述代码后，将会在当前目录下生成一个名为"iris_decision_tree.pdf"的PDF文件，其中包含了绘制好的决策树图像。

### 回答2：
在Python中，我们可以使用多个库来画决策树图，其中最常用的是`matplotlib`和`graphviz`。

首先，我们可以使用`sklearn.tree`库来建立和训练决策树模型。一旦我们得到了决策树模型，我们可以使用`export_graphviz`函数将其导出为Graphviz格式的文件。

下一步，我们可以使用`graphviz`库中的`Source`类来将Graphviz格式的文件转换为决策树图。我们可以指定要显示的特征和类别的名称，并使用`view`方法在新窗口中显示图像。

下面是一个简单的例子，使用Python绘制决策树图：

from sklearn import tree
import graphviz

# 创建并训练决策树模型
X = [[0, 0], [1, 1]]
y = [0, 1]
clf = tree.DecisionTreeClassifier()
clf = clf.fit(X, y)

# 导出决策树为Graphviz格式
dot_data = tree.export_graphviz(clf, out_file=None,
                                feature_names=["特征1", "特征2"],
                                class_names=["类别1", "类别2"],
                                filled=True, rounded=True,
                                special_characters=True)

# 将Graphviz格式的文件转换为决策树图并显示
graph = graphviz.Source(dot_data)
graph.view()

以上代码首先使用`tree.DecisionTreeClassifier()`建立决策树模型，并使用`fit`方法进行训练。然后，使用`export_graphviz`函数导出决策树为Graphviz格式的文件。接着，使用`graphviz.Source`将文件转换为决策树图，并使用`view`方法显示图像。

希望这个例子对您有所帮助！

### 回答3：
在Python中，我们可以使用多种库来画决策树，其中最常用的是Graphviz和matplotlib。

1. 使用Graphviz库
Graphviz是一个开源的可视化图形绘制工具，可以用来画决策树。首先，我们需要安装Graphviz库和Graphviz软件：

pip install graphviz

然后，我们可以使用sklearn库中的`export_graphviz`函数导出决策树的结构，然后使用Graphviz库来绘制图像：

from sklearn import tree
import graphviz

# 创建决策树模型
clf = tree.DecisionTreeClassifier()
# 训练模型
clf.fit(X, y)

# 导出决策树的结构
dot_data = tree.export_graphviz(clf, out_file=None)
graph = graphviz.Source(dot_data)

# 绘制决策树图像
graph.render("decision_tree")

以上代码会将决策树绘制成一个名为"decision_tree.pdf"的文件。你可以通过修改文件后缀来选择其他格式，如png、svg等。

2. 使用matplotlib库
另一种绘制决策树图像的方法是使用matplotlib库。这种方法需要先将决策树转换为图像再进行绘制：

from sklearn import tree
import matplotlib.pyplot as plt

# 创建决策树模型
clf = tree.DecisionTreeClassifier()
# 训练模型
clf.fit(X, y)

# 绘制决策树图像
fig, ax = plt.subplots(figsize=(10, 10))
tree.plot_tree(clf, ax=ax)
plt.show()

以上代码会在绘制一个大小为10x10的图像中显示决策树的结构。

无论使用哪种方法，决策树图像的可读性很重要，因此可以对绘制的图像进行一些调整，如添加标签、修改颜色等，以便更好地理解决策树的结构。