绘制散点图中的PCA输出，同时根据标签python matplotlib进行着色

Question

我刚刚完成了14个变量的PCA分析，我选择这些变量压缩成2个组件。

pca = PCA(n_components=2)
pca.fit(z)
a = pca.fit_transform(z)

这给出的输出形式为：

[[ -3.84514275e+00  -1.19829226e-01]
 [ -4.78476227e+00  -1.35986090e-01]
 [ -2.26702900e+00  -1.19665853e+00]
 [ -5.01021616e+00   2.76005130e+00]
 [ -5.57580326e+00  -2.00656680e+00]
 [ -5.08184415e+00  -3.68721491e+00]
 [ -3.41505366e+00  -7.61184868e-01]
 [ -4.92439159e+00  -1.82147509e+00]
...
 [ -3.34931300e+00   7.57884906e-01]]

我想做以下事情：

1. 在散点图上绘制每个观察点，其中PC1（x）是每个数组中的第一个值，PC2（y）是第二个值。

2. 根据初始的PCA前数据，根据相应的标签类型（即A =红色，B =蓝色，C =绿色等）为每个观察颜色着色。

3. 使用初始PCA前数据（即John，Peter，Sally等）的观察名称标记SELECTED（非ALL）观察结果

任何/所有这些问题都非常感谢任何帮助。

值得注意的是我试图通过以下方式进行分散：

plt.scatter(a[1], a[2])
plt.show()

但显然这不起作用，因为我的输出不是用逗号分隔的，只能绘制2个点。无法帮助我解决它，所以会欣赏SO的意见。

编辑：

表格中的数据集：

John, A, var1, var2, var3, ..., var14
Peter, A, var1, var2, var3, ..., var14
Sally, B, var1, var2, var3, ..., var14
Cath, C, var1, var2, var3, ..., var14
Jim, A, var1, var2, var3, ..., var14

我正在做类似的事情：

Answer 1

我认为您的问题现在非常明确 - 感谢编辑！

这里是如何创建您描述的情节。

首先，让我们生成一些示例数据：

# Params
n_samples  = 100
m_features =  14
selected_names = ['name_13', 'name_23', 'name_42', 'name_66']

# Generate
np.random.seed(42)
names    = ['name_%i' % i for i in range(n_samples)]
labels   = [np.random.choice(['A','B','C','D']) for i in range(n_samples)]
features = np.random.random((n_samples,m_features))

接下来我们做PCA：

pca = PCA(n_components=2)
features_pca = pca.fit_transform(features)

然后我们准备一个长度为n的列表/数组，将标签A,B,C,...转换为颜色。这些可以是手工选择的颜色......

# Label to color dict (manual)
label_color_dict = {'A':'red','B':'green','C':'blue','D':'magenta'}

# Color vector creation
cvec = [label_color_dict[label] for label in labels]

...或只是一系列整数。

# Label to color dict (automatic)
label_color_dict = {label:idx for idx,label in enumerate(np.unique(labels))}

# Color vector creation
cvec = [label_color_dict[label] for label in labels]

最后，是时候策划了。

# Create the scatter plot
plt.figure(figsize=(8,8))
plt.scatter(features_pca[:,0], features_pca[:,1],
            c=cvec, edgecolor='', alpha=0.5)

# Add the labels
for name in selected_names:

    # Get the index of the name
    i = names.index(name)

    # Add the text label
    labelpad = 0.01   # Adjust this based on your dataset
    plt.text(features_pca[i,0]+labelpad, features_pca[i,1]+labelpad, name, fontsize=9)

    # Mark the labeled observations with a star marker
    plt.scatter(features_pca[i,0], features_pca[i,1],
                c=cvec[i], vmin=min(cvec), vmax=max(cvec),
                edgecolor='', marker='*', s=100)

# Add the axis labels
plt.xlabel('PC 1 (%.2f%%)' % (pca.explained_variance_ratio_[0]*100))
plt.ylabel('PC 2 (%.2f%%)' % (pca.explained_variance_ratio_[1]*100)) 

# Done
plt.show()

如您所见，可以通过plt.scatter kwarg将不同的颜色输入c。此外，我建议edgecolor=''，因为这通常看起来更清晰。您可以使用alpha来增加/减少透明度，这会使标记点更多/更少。

使用plt.text和适当的x和y位置简单地将标签放置在绘图上，我在这里稍微调整一下（使用labelpad），以便标签很好地定位在旁边标记

对于星标，请注意vmin和vmax在使用数字颜色矢量时很重要，否则星星会以错误的颜色结束。

这是结果（使用手动定义的颜色）：