散点图：不同的颜色和每个观察的注释取决于先前未转换的数据集PCA matplotlib python

Question

我正在对以下数据实施PCA（在代码中提供）。我选择2个组件，它以[x1，y1]，[x2，y2]等形式输出。

然后我想在绘图上绘制这两台PC（a）（如代码所示）但是我想根据未转换数据（数据）中的字母对它们进行颜色编码。即观察[x1，y1]最初被指定为＆＃34; A＆＃34;因此，我希望它与那些具有相应的＆＃34; B＆＃34;和＆＃34; C＆＃34;标签。我认为字典是合适的，但不确定如何将原始数据集链接到新的PCA变量。

我还想用原始集合（数据）中的名称来注释这些点（来自a），即[x1，y1]将使用＆＃34; John＆＃34;进行注释。

非常感谢任何帮助。

%AppData%\npm

编辑：

颜色问题已解决

注释问题需要帮助：

# load packages
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.preprocessing import scale
from sklearn.decomposition import PCA

# load data
data = np.array([["John","A",1,2,1,3,4,6],
    ["Julie","A",3,1,2,2,2,4],
    ["James","B",2,4,1,1,2,5],
    ["Jemma","C",3,5,1,2,3,2],
    ["Jet","B",1,3,2,1,1,3],
    ["Jane","A",2,4,2,1,3,4]])

# feature array & scale
y = data[:,[2,3,4,5,6,7]]
z = scale(y)

# PCA
pca = PCA(n_components=6)
pca.fit(z)

# scree plot
var = pca.explained_variance_ratio_
var1 = np.cumsum(np.round(pca.explained_variance_ratio_, decimals=4)*100)
#print(var1)
#plt.plot(var1)
#plt.show()

# PCA w/ 2 components
pca = PCA(n_components=2)
pca.fit(z)
a = pca.fit_transform(z)

# colour map **HELP**
#colours = {"A":"red", "B":"green", "C":"blue"}

# annotation **HELP**

# scatter plot
plt.scatter(a[:,0],a[:,1])
plt.show()

编码时的同样问题：

names = [rows[0] for rows in data]

plt.scatter(a[:,0], a[:,1], c=point_colours)
plt.annotate(names, (a[:,0], a[:,1]))

虽然打印名称输出我想要注释的名称，但它不会显示在图表上。我已尝试在注释参数中使用名称和str（名称），但继续获取

for i in names:
plt.annotate(names, (a[:,0], a[:,1]))

然后输出没有标签的图表。

任何想法？

Answer 1

类似的东西：

*

它会创建一个带有点颜色的列表。

对于注释：

'regex:/^[\s\w-,\*]*$/'

您应移动xy以避免文本与点重叠。