Python, PyDot和DecisionTree

Question

我想要展示我的决策树，但是报错了。代码如下：

X = [i[1:] for i in dataset]#attribute
y = [i[0] for i in dataset]
clf = tree.DecisionTreeClassifier()

dot_data = StringIO()
tree.export_graphviz(clf.fit(train_X, train_y), out_file=dot_data)
graph = pydot.graph_from_dot_data(dot_data.getvalue())
graph.write_pdf("tree.pdf")

错误信息为

Traceback (most recent call last):
if data.startswith(codecs.BOM_UTF8):
TypeError: startswith first arg must be str or a tuple of str, not bytes

有人可以解释一下问题吗？非常感谢！

- Polly

---

你展示了所有的代码吗？我没有看到traceback指出的if语句。除此之外，显然startswith()方法期望输入一个字符串"string"或者一个字符串元组("st", "st2", "st3")。你传递了错误的数据类型到startswith()方法调用中。你要么没有正确使用codecs.BOM_UTF8，要么你必须将它转换为字符串--> str(codecs.BOM_UTF8)。 - reticentroot

Answer 1

如果使用Python 3，只需使用pydotplus而不是pydot。它也可以通过pip进行轻松安装。

import pydotplus

<your code>

dot_data = StringIO()
tree.export_graphviz(clf, out_file=dot_data)
graph = pydotplus.graph_from_dot_data(dot_data.getvalue())
graph.write_pdf("iris.pdf")

- Juliano ENS

---

这是最好的建议 - 谢谢 +1。我在Jupyter上使用了Image(graph.create_png())，而不是将其写入PDF文件，效果非常好。 - user-asterix

您也可以使用dot_data = tree.export_graphviz(clf, out_file=None)。 - mgcdanny

Answer 2

我曾经遇到过同样的问题，花了几个小时才解决。我不能保证以下内容适用于其他人，但可以一试。

1. 我尝试安装官方的pydot软件包，但我使用的是Python 3，它们根本不起作用。在搜索了许多网站后，在一个帖子中找到了一条注释，最终我安装了这个pydot的分支存储库。
2. 我去graphviz.org并在我的Windows 7机器上安装了他们的软件。如果您没有Windows，请在其下载部分查找您的系统。
3. 成功安装后，在环境变量（控制面板\所有控制面板项\系统\高级系统设置 > 点击环境变量按钮 > 在系统变量下找到变量path > 点击编辑... > 我在变量值:字段的末尾添加了;C:\Program Files (x86)\Graphviz2.38\bin。
4. 为了确认我现在可以在命令行（Windows命令处理器）中使用dot命令，我键入了dot -V，它返回了dot - graphviz version 2.38.0 (20140413.2041)。

在下面的代码中，请记住我从剪贴板中读取一个dataframe。您可能正在从文件或其他方式中读取它。

在IPython Notebook中：

import pandas as pd
import numpy as np
from sklearn import tree
import pydot
from IPython.display import Image
from sklearn.externals.six import StringIO

df = pd.read_clipboard()
X = df[df.columns[:-1]]
y = df[df.columns[-1]]

dtr = tree.DecisionTreeRegressor(max_depth=3)
dtr.fit(X, y)

dot_data = StringIO()  
tree.export_graphviz(dtr, out_file=dot_data, feature_names=X.columns)  
graph = pydot.graph_from_dot_data(dot_data.getvalue())  
Image(graph.create_png()) 

如果您没有使用IPython，但安装了graphviz（第2步），您可以从命令行生成自己的图像。使用上述相同的示例代码，拟合模型后使用此行：

tree.export_graphviz(dtr.tree_, out_file='treepic.dot', feature_names=X.columns)

接下来，在 treepic.dot 文件所在的位置打开命令提示符，输入以下命令:

dot -T png treepic.dot -o treepic.png

应该用 .png 格式创建你的决策树文件。

- Jarad

Answer 3

这行代码的作用是检查流/文件是否以UTF-8编码

而不是：

if data.startswith(codecs.BOM_UTF8):

使用：

if codecs.BOM_UTF8 in data:

你可能会更成功...

- Sina Khelil

---

需要注意的是，这两行代码并不完全等价，如果数据需要以它开头，则第二行代码可能无法正常工作。 - Rick

他正在寻找一个字符串中的Unicode方法。不太可能奏效。虽然它们可能不等价，但BOM通常位于文件开头，除非您真的搞砸了文件，否则不会在其他任何地方使用。请参见https://en.wikipedia.org/wiki/Byte_order_mark。 - Sina Khelil

我猜问题出在我的数据文件上，有人知道应该长什么样吗？我有一个csv文件，其中第一个字符串包含每列属性的名称，后面的字符串包含数字数据。因此，我的X和Y是来自文件的数字数据，在打开文件时使用“skiprows = 1”获取它们。 - Polly

@Polly 如果没有看到文件，我们都只能猜测。如果您想要更有建设性的答案，您需要提供更多细节。我上面的回答可能会解决您最初的问题，但是在特定的上下文中。 - Sina Khelil