python pca双标图的含义_python – 添加图例到散点图(PCA)

有一个简单的方法吗？

例如,虹膜数据带有来自上面链接的双标图代码.

import numpy as np

import matplotlib.pyplot as plt

from sklearn import datasets

from sklearn.decomposition import PCA

import pandas as pd

from sklearn.preprocessing import StandardScaler

iris = datasets.load_iris()

X = iris.data

y = iris.target

#In general a good idea is to scale the data

scaler = StandardScaler()

scaler.fit(X)

X=scaler.transform(X)

pca = PCA()

x_new = pca.fit_transform(X)

def myplot(score,coeff,labels=None):

xs = score[:,0]

ys = score[:,1]

n = coeff.shape[0]

scalex = 1.0/(xs.max() - xs.min())

scaley = 1.0/(ys.max() - ys.min())

plt.scatter(xs * scalex,ys * scaley, c = y)

for i in range(n):

plt.arrow(0, 0, coeff[i,0], coeff[i,1],color = 'r',alpha = 0.5)

if labels is None:

plt.text(coeff[i,0]* 1.15, coeff[i,1] * 1.15, "Var"+str(i+1), color = 'g', ha = 'center', va = 'center')

else:

plt.text(coeff[i,0]* 1.15, coeff[i,1] * 1.15, labels[i], color = 'g', ha = 'center', va = 'center')

plt.xlim(-1,1)

plt.ylim(-1,1)

plt.xlabel("PC{}".format(1))

plt.ylabel("PC{}".format(2))

plt.grid()

#Call the function. Use only the 2 PCs.

myplot(x_new[:,0:2],np.transpose(pca.components_[0:2, :]))

plt.show()

欢迎任何关于PCA biplots的建议！

还有其他代码,如果以另一种方式添加图例更容易！

解决方法:

我最近提出了一种向散点图添加图例的简单方法,请参阅GitHub PR.这仍在讨论中.

在此期间,您需要从y中的唯一标签手动创建图例.对于它们中的每一个,您将使用与散点图中使用的标记相同的标记创建Line2D对象,并将它们作为参数提供给plt.legend.

scatter = plt.scatter(xs * scalex,ys * scaley, c = y)

labels = np.unique(y)

handles = [plt.Line2D([],[],marker="o", ls="",

color=scatter.cmap(scatter.norm(yi))) for yi in labels]

plt.legend(handles, labels)

标签：pca,python,matplotlib,legend,biplot

来源： https://codeday.me/bug/20190916/1806766.html

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！