在散点图中绘制PCA输出，同时根据标签python matplotlib着色

我刚刚完成了对14个变量的PCA分析，我选择将其浓缩成两个分量

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

其输出形式如下：

[[ -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]]

我想做以下工作：

在散射图上绘制每个观测值，PC1（x）为每个阵列中的第一个值，PC2（y）为第二个值

根据初始PCA前数据中相应的标签类型（即A=红色，B=蓝色，C=绿色等）给每个观察结果上色

使用初始PCA前数据（即John、Peter、Sally等）中的观察名称标记所选（并非所有）观察结果

对于任何/所有这些问题，我们都非常感谢您的帮助

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()

但很明显，这不起作用，因为我的a输出没有用逗号分隔，只能画2个点。我无法控制自己的想法，因此非常感谢so的意见

编辑：

数据集格式为：

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

我想要的是类似的东西：

---

我想你的问题现在已经很清楚了-谢谢你的编辑

下面是如何创建您描述的绘图

---

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))

接下来我们进行PCA：

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

然后我们准备一个长度

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，不同的颜色可以通过

c

kwarg输入

plt.scatter

。此外，我建议使用

edgecolor='

，因为这样看起来更清晰。您可以使用

alpha

来增加/减少透明度，这将使标记的点更加突出/不那么突出

标签只需使用

plt.text

和适当的x和y位置放置在绘图上，我在这里稍微调整了一下（使用

labelpad

），以便标签很好地定位在标记旁边

对于星号标记，请注意，如果使用数字颜色向量，则

vmin

和

vmax

非常重要，否则星号将以错误的颜色结束

以下是结果（使用手动定义的颜色）：

---

向我们展示一个具有代表性的数据集，带有标签。您的数组是二维的，因此需要使用两个索引对其进行索引<第一列代码>a[：，0]，第二列代码>a[：，1]。除此之外，真正的问题是什么还不清楚。谢谢欧内斯特，这解决了问题1。关于2和3有什么想法吗？你用谷歌搜索过“如何给matplotlib散点图着色”或“如何注释matplotlib图”吗？是的，但这并不像引用颜色那么简单，因为我需要查看以前未转换的数据集来应用所述颜色。