Python 绘制PCA的某些尺寸时会出现3D打印和图例

我通过PCA转换了以下数据和标签。 标签仅为0或1

from mpl_toolkits.mplot3d import Axes3D
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler
import seaborn as sns
import numpy as np

fields = ["Occupancy", "Temperature", "Humidity", "Light", "CO2", "HumidityRatio", "NSM", "WeekStatus"]
df = pd.read_csv('datatraining-updated.csv', skipinitialspace=True, usecols=fields, sep=',') 
#Get the output from pandas as a numpy matrix
final_data=df.values
#Data
X = final_data[:,1:8]  
#Labels
y = final_data[:,0]
#Normalize features
X_scaled = StandardScaler().fit_transform(X)
#Apply PCA on them
pca = PCA(n_components=7).fit(X_scaled)
#Transform them with PCA
X_reduced = pca.transform(X_scaled)

然后，我只想在一个3D图中显示3个方差最大的PCA特征，我可以找到它们，如下所示

#Show variable importance
importance = pca.explained_variance_ratio_
print('Explained variation per principal component: 
{}'.format(importance))

之后，我只想绘制前3个方差最高的特征。因此，我之前在下面的代码中选择了它们

X_reduced=X_reduced[:, [0, 4, 5]]

好吧，这是我的问题：我可以在没有图例的情况下绘制它们。当我尝试使用以下代码绘制它们时

# Create plot
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
ax = fig.gca(projection='3d')
colors = ("red", "gray")

for data, color, group in zip(X_reduced, colors, y):
    dim1,dim2,dim3=data
    ax.scatter(dim1, dim2, dim3, c=color, edgecolors='none',  
    label=group)

plt.title('Matplot 3d scatter plot')
plt.legend(y)
plt.show()

我得到以下错误：

plot_data-3d-pca.py:56: UserWarning: Requested projection is different from current axis projection, creating new axis with requested projection.
  ax = fig.gca(projection='3d')
plot_data-3d-pca.py:56: MatplotlibDeprecationWarning: Adding an axes using the same arguments as a previous axes currently reuses the earlier instance.  In a future version, a new instance will always be created and returned.  Meanwhile, this warning can be suppressed, and the future behavior ensured, by passing a unique label to each axes instance.
  ax = fig.gca(projection='3d')
Traceback (most recent call last):
  File "/home/unica-server/.local/lib/python3.6/site-packages/matplotlib/backends/backend_gtk3.py", line 307, in idle_draw
    self.draw()
  File "/home/unica-server/.local/lib/python3.6/site-packages/matplotlib/backends/backend_gtk3agg.py", line 76, in draw
    self._render_figure(allocation.width, allocation.height)
  File "/home/unica-server/.local/lib/python3.6/site-packages/matplotlib/backends/backend_gtk3agg.py", line 20, in _render_figure
    backend_agg.FigureCanvasAgg.draw(self)
  File "/home/unica-server/.local/lib/python3.6/site-packages/matplotlib/backends/backend_agg.py", line 388, in draw
    self.figure.draw(self.renderer)
  File "/home/unica-server/.local/lib/python3.6/site-packages/matplotlib/artist.py", line 38, in draw_wrapper
    return draw(artist, renderer, *args, **kwargs)
  File "/home/unica-server/.local/lib/python3.6/site-packages/matplotlib/figure.py", line 1709, in draw
    renderer, self, artists, self.suppressComposite)
  File "/home/unica-server/.local/lib/python3.6/site-packages/matplotlib/image.py", line 135, in _draw_list_compositing_images
    a.draw(renderer)
  File "/home/unica-server/.local/lib/python3.6/site-packages/matplotlib/artist.py", line 38, in draw_wrapper
    return draw(artist, renderer, *args, **kwargs)
  File "/home/unica-server/.local/lib/python3.6/site-packages/mpl_toolkits/mplot3d/axes3d.py", line 292, in draw
    reverse=True)):
  File "/home/unica-server/.local/lib/python3.6/site-packages/mpl_toolkits/mplot3d/axes3d.py", line 291, in <lambda>
    key=lambda col: col.do_3d_projection(renderer),
  File "/home/unica-server/.local/lib/python3.6/site-packages/mpl_toolkits/mplot3d/art3d.py", line 545, in do_3d_projection
    ecs = (_zalpha(self._edgecolor3d, vzs) if self._depthshade else
  File "/home/unica-server/.local/lib/python3.6/site-packages/mpl_toolkits/mplot3d/art3d.py", line 847, in _zalpha
    rgba = np.broadcast_to(mcolors.to_rgba_array(colors), (len(zs), 4))
  File "<__array_function__ internals>", line 6, in broadcast_to
  File "/home/unica-server/.local/lib/python3.6/site-packages/numpy/lib/stride_tricks.py", line 182, in broadcast_to
    return _broadcast_to(array, shape, subok=subok, readonly=True)
  File "/home/unica-server/.local/lib/python3.6/site-packages/numpy/lib/stride_tricks.py", line 127, in _broadcast_to
    op_flags=['readonly'], itershape=shape, order='C')
ValueError: operands could not be broadcast together with remapped shapes [original->remapped]: (0,4) and requested shape (1,4)

plot_data-3d-pca.py:56:UserWarning:请求的投影与当前轴投影不同，使用请求的投影创建新轴。
ax=图gca（投影=3d'）
plot_data-3d-pca.py:56:MatplotlibDeprecationWarning:使用与先前轴相同的参数添加轴当前将重用先前的实例。在将来的版本中，将始终创建并返回一个新实例。同时，通过向每个轴实例传递唯一的标签，可以抑制此警告，并确保将来的行为。
ax=图gca（投影=3d'）
回溯（最近一次呼叫最后一次）：
文件“/home/unica server/.local/lib/python3.6/site packages/matplotlib/backends/backend_gtk3.py”，第307行，在idle_draw中
self.draw（）
文件“/home/unica server/.local/lib/python3.6/site packages/matplotlib/backends/backend_gtk3agg.py”，绘图中第76行
self.\u render\u图形（allocation.width、allocation.height）
文件“/home/unica server/.local/lib/python3.6/site packages/matplotlib/backends/backend_gtk3agg.py”，第20行，如图所示
后端聚合图canvasagg.draw（自）
文件“/home/unica server/.local/lib/python3.6/site packages/matplotlib/backends/backend_agg.py”，绘图中第388行
self.figure.draw（self.renderer）
文件“/home/unica server/.local/lib/python3.6/site packages/matplotlib/artist.py”，第38行，在draw_包装中
返回绘制（艺术家、渲染器、*args、**kwargs）
文件“/home/unica server/.local/lib/python3.6/site packages/matplotlib/figure.py”，绘图中的第1709行
渲染器、自身、艺术家、自身（合成）
文件“/home/unica server/.local/lib/python3.6/site packages/matplotlib/image.py”，第135行，在“绘制”列表“合成”图像中
a、 绘制（渲染器）
文件“/home/unica server/.local/lib/python3.6/site packages/matplotlib/artist.py”，第38行，在draw_包装中
返回绘制（艺术家、渲染器、*args、**kwargs）
文件“/home/unica server/.local/lib/python3.6/site packages/mpl_toolkits/mplot3d/axes3d.py”，第292行，在绘图中
反向=真）：
文件“/home/unica server/.local/lib/python3.6/site packages/mpl_toolkits/mplot3d/axes3d.py”，第291行，在
key=lambda col:col.do_3d_投影（渲染器），
do_3d_投影中的文件“/home/unica server/.local/lib/python3.6/site packages/mpl_工具包/mplot3d/art3d.py”，第545行
ecs=（_zalpha（self._edgecolor3d，vzs）如果self._depthshadeelse.）
文件“/home/unica server/.local/lib/python3.6/site packages/mpl_toolkits/mplot3d/art3d.py”，第847行，位于扎尔帕
rgba=np.广播到（mcolors.到rgba数组（颜色），（透镜（Z），4））
文件“”，第6行，广播至
文件“/home/unica server/.local/lib/python3.6/site packages/numpy/lib/stride\u tricks.py”，第182行，广播至
返回（数组、形状、subok=subok、readonly=True）
文件“/home/unica server/.local/lib/python3.6/site packages/numpy/lib/stride\u tricks.py”，第127行，在广播中
op_flags=['readonly']，itershape=shape，order='C'）
ValueError:操作数无法与重新映射的形状[原始->重新映射]：（0,4）和请求的形状（1,4）一起广播

我的y的形状是（8143，）而我的X_的形状是（8143,3）

我犯了什么错

---

编辑：可以找到我正在使用的数据

第一个警告

请求的投影与当前轴投影不同

这是因为您试图在使用

ax=fig.gca（projection='3d'）

创建轴后更改轴的投影，但您不能。将投影设置为“创建”

要修复第二个错误，请将

edgecolors='none'

替换为

edgecolors=none

下面更正的代码适用于我

#创建绘图
图=plt.图（）
ax=fig.add_子图（1,1,1，projection='3d'）#在创建轴时设置投影
#ax=fig.gca（projection='3d'）#创建后无法更改投影
颜色=（“红色”、“灰色”）
对于zip中的数据、颜色、组（X_减少，颜色，y）：
dim1、dim2、dim3=数据
#将“无”替换为“无”
最大散射（dim1、dim2、dim3、c=颜色、边色=无、标签=组）
产品名称（“Matplot 3d散点图”）
图例（y）
plt.show（）

编辑：以上是我对原问题理解的答案。下面是mad自己答案的循环版本

class_值=[0,1]
标签=[“空”、“满”]
n_类=len（类值）
#分配列表
索引_类=[None]*n_类
X_减少的_类=[None]*n_类
对于i，枚举中的类i（类值）：
#获取0和1标签在哪里
索引类[i]=np.where（np.isin（y，类i））
#为每个标签获得减少的PCA
X_缩减类[i]=X_缩减类[i]]
颜色=['蓝色'，'红色']
#更好地理解维度之间的相互作用
#绘制前三个PCA维度
图=plt.图（1，figsize=（8,6））
ax=Axes3D（图，标高=150，方位=110）
ids_plot=[0,4,5]
对于范围内的i（n_类）：
#获取三个有趣的列
数据=X_减少的_类[i][：，ids_plot]
最大散点（数据[：，0]，数据[：，1]，数据[：，2]，c=colors[i]，edgecolor='k'，s=40，label=labels[i]）
ax.设置标题（“数据可视化，具有PCA的3个最大方差维度”）
ax.set_xlabel（“第一特征向量”）
ax.w_xaxis.set_标签（[]）
ax.set_ylabel（“第二特征向量”）
ax.w_yaxis.set_标签（[]）
ax.set_zlabel（“第三特征向量”）
ax.w_zaxis.set_标签（[]）
ax.图例（）
plt.show（）

我解决了这个问题

#Get where are the 0s and 1s labels
index_class1 = np.where(np.isin(y, 0))
index_class2 = np.where(np.isin(y, 1))

#Get reduced PCA for each label
X_reducedclass1=X_reduced[index_class1][:]
X_reducedclass2=X_reduced[index_class2][:]

colors = ['blue', 'red']

# To getter a better understanding of interaction of the dimensions
# plot the first three PCA dimensions
fig = plt.figure(1, figsize=(8, 6))
ax = Axes3D(fig, elev=-150, azim=110)
scatter1=ax.scatter(X_reducedclass1[:, 0], X_reducedclass1[:, 4], X_reducedclass1[:, 5], c=colors[0], cmap=plt.cm.Set1, edgecolor='k', s=40)
scatter2=ax.scatter(X_reducedclass2[:, 0], X_reducedclass2[:, 4], X_reducedclass2[:, 5], c=colors[1], cmap=plt.cm.Set1, edgecolor='k', s=40)

ax.set_title("Data Visualization with 3 highest variance dimensions with PCA")
ax.set_xlabel("1st eigenvector")
ax.w_xaxis.set_ticklabels([])
ax.set_ylabel("2nd eigenvector")
ax.w_yaxis.set_ticklabels([])
ax.set_zlabel("3rd eigenvector")
ax.w_zaxis.set_ticklabels([])

#ax.legend(np.unique(y))
ax.legend([scatter1, scatter2], ['Empty', 'Full'], loc="upper right")

plt.show()