如何在R及Jupyter中美化决策树？R新手技术求助

嘿，作为R和决策树的新手，你遇到的这个可视化拥挤问题我太懂了——party包的ctree默认绘图确实容易挤成一团，尤其是在Jupyter环境里。另外rpart那边的分类变量问题也很好解决，下面给你几个实用的方案，帮你搞定这两个麻烦：

如果你想继续用party包，这两个方法能大幅改善绘图效果：

• 调整ctree默认绘图参数
  ctree的plot()函数有很多可自定义的参数，通过减小字体、简化节点内容、调整间距就能让树变清爽。试试这段代码：

  plot(surv_tree, 
       main = "泰坦尼克号生存决策树",
       node_font = list(size = 10),  # 缩小节点文字尺寸
       edge_font = list(size = 8),   # 缩小分支标签文字
       inner_panel = node_inner(surv_tree, pval = FALSE),  # 移除节点内的p值，减少冗余
       terminal_panel = node_terminal(surv_tree, digits = 2, fill = "lightblue")  # 设置终端节点的填充色和小数位数
       )
  

  去掉不必要的信息后，树的布局会宽松很多，Jupyter里显示也会更清晰。

• 用ggparty包（强烈推荐）
  这是基于ggplot2的party可视化工具，能完全自定义树的样式，输出的图在Jupyter里适配性更好。先安装并加载包：

  install.packages("ggparty")
  library(ggparty)
  

  然后用这段代码绘图：

  ggparty(surv_tree) +
    # 绘制节点标签，显示节点ID和分割变量
    geom_node_label(aes(label = paste0("节点 ", id, "\n", splitvar)),
                    fontface = "bold", size = 3.5) +
    # 每个节点内添加生存比例的条形图
    geom_node_plot(gglist = list(ggplot(aes(x = "", fill = Survived)) +
                                   geom_bar(position = "fill") +
                                   scale_y_continuous(labels = scales::percent) +
                                   theme_minimal()),
                   shared_axis_labels = TRUE) +
    # 绘制分支的条件标签
    geom_edge_label(aes(label = splitval_level), size = 3) +
    # 设置标题样式
    theme(plot.title = element_text(hjust = 0.5, size = 14)) +
    ggtitle("泰坦尼克号生存决策树")
  

  这种方式把每个节点的生存分布用条形图展示，结构清晰，还能随意调整颜色、字体、布局，非常适合Jupyter的输出场景。

你说rpart没把Pclass当作分类变量，其实是因为需要明确告诉它哪些是分类变量。只要提前把Pclass转成因子，或者在公式里用as.factor()包裹，就能解决准确性问题，再搭配rpart.plot包美化，效果会很棒：

library(rpart)
library(rpart.plot)

# 先把Pclass转换为分类变量（或者在公式里写as.factor(Pclass)也行）
titanic_train$Pclass <- as.factor(titanic_train$Pclass)

# 构建rpart决策树
surv_rpart <- rpart(as.factor(Survived) ~ Pclass + Sex + Age, data = titanic_train)

# 用rpart.plot绘制美化后的树
rpart.plot(surv_rpart, 
           type = 4,  # 显示节点的分类结果
           extra = 100,  # 显示每个节点的样本占比
           under = TRUE,  # 把百分比放在节点下方，避免拥挤
           cex = 0.8,  # 缩小文字大小
           box.col = c("lightgreen", "pink")[surv_rpart$frame$yval]  # 按生存状态给节点上色
           )

这样rpart就会正确处理Pclass的分类属性，而且rpart.plot输出的图简洁明了，在Jupyter里显示效果极佳。

内容的提问来源于stack exchange，提问作者Emily Lerman