python – matplotlib中的3D PCA：如何添加图例？

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – matplotlib中的3D PCA：如何添加图例？，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含3769字，纯文字阅读大概需要6分钟。

内容图文

我试图使用http://scikit-learn.org/stable/auto_examples/decomposition/plot_pca_iris.html为我自己的数据构建一个3D PCA图.但是,该教程没有指定我如何添加图例.另一个页面,https://matplotlib.org/users/legend_guide.html,但我看不出如何将第二个教程中的信息应用到第一个.

如何修改以下代码以添加图例？

# Code source: Gae"l Varoquaux
# License: BSD 3 clause

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from sklearn import decomposition
from sklearn import datasets

np.random.seed(5)

centers = [[1, 1], [-1, -1], [1, -1]]
iris = datasets.load_iris()
X = iris.data#the floating point values
y = iris.target#unsigned integers specifying group


fig = plt.figure(1, figsize=(4, 3))
plt.clf()
ax = Axes3D(fig, rect=[0, 0, .95, 1], elev=48, azim=134)

plt.cla()
pca = decomposition.PCA(n_components=3)
pca.fit(X)
X = pca.transform(X)

for name, label in [('Setosa', 0), ('Versicolour', 1), ('Virginica', 2)]:
    ax.text3D(X[y == label, 0].mean(),
              X[y == label, 1].mean() + 1.5,
              X[y == label, 2].mean(), name,
              horizontalalignment='center',
              bbox=dict(alpha=.5, edgecolor='w', facecolor='w'))
# Reorder the labels to have colors matching the cluster results
y = np.choose(y, [1, 2, 0]).astype(np.float)
ax.scatter(X[:, 0], X[:, 1], X[:, 2], c=y, cmap=plt.cm.spectral,
           edgecolor='k')

ax.w_xaxis.set_ticklabels([])
ax.w_yaxis.set_ticklabels([])
ax.w_zaxis.set_ticklabels([])

plt.show()

解决方法:

另一个答案中存在一些问题,OP和回答者似乎都不清楚;因此,这不是一个完整的答案,而是现有答案的附录.

> 2.2版中的matplotlib已删除光谱色图,
使用Spectral或nipy_spectral或任何other valid colormap.
> matplotlib中的任何色彩映射范围都是0到1.如果使用该范围之外的任何值调用它,
它会给你最出色的颜色.要从色图中获取颜色,您需要对值进行标准化.
这是通过Normalize实例完成的.在这种情况下,这是分散的内部.

因此,使用sc = ax.scatter(…)然后使用sc.cmap(sc.norm(value))根据散点图中使用的相同映射获取值.
因此代码应该使用

[sc.cmap(sc.norm(i)) for i in [1, 2, 0]] 

>传说不在图中.这个数字是4 x 3英寸(figsize =(4,3)).
轴占据宽度的95％(rect = [0,0,.95,1]).
对图例的调用将图例的右中心点置于轴宽度的1.7倍= 4 * 0.95 * 1.7 = 6.46英寸. (bbox_to_anchor =(1.7,0.5)).

来自我方的替代建议：使图形更大(figsize =(5.5,3)),使图例适合,使轴只占图形宽度的70％,这样你就有30％的图形.将图例的左侧放置在靠近轴边界的位置(bbox_to_anchor =(1.0,.5)).

有关此主题的更多信息,请参阅How to put the legend out of the plot.

你仍然可以看到包括jupyter笔记本中的图例在内的完整图形的原因是jupyter会将所有内容保存在画布中,即使它重叠并因此放大了图形.

总的来说,代码可能看起来像

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np; np.random.seed(5)
from sklearn import decomposition, datasets 

centers = [[1, 1], [-1, -1], [1, -1]]
iris = datasets.load_iris()
X = iris.data #the floating point values
y = iris.target #unsigned integers specifying group

fig = plt.figure(figsize=(5.5, 3))
ax = Axes3D(fig, rect=[0, 0, .7, 1], elev=48, azim=134)

pca = decomposition.PCA(n_components=3)
pca.fit(X)
X = pca.transform(X)

labelTups = [('Setosa', 0), ('Versicolour', 1), ('Virginica', 2)]
for name, label in labelTups:
    ax.text3D(X[y == label, 0].mean(),
              X[y == label, 1].mean() + 1.5,
              X[y == label, 2].mean(), name,
              horizontalalignment='center',
              bbox=dict(alpha=.5, edgecolor='w', facecolor='w'))
# Reorder the labels to have colors matching the cluster results
y = np.choose(y, [1, 2, 0]).astype(np.float)
sc = ax.scatter(X[:, 0], X[:, 1], X[:, 2], c=y, cmap="Spectral", edgecolor='k')

ax.w_xaxis.set_ticklabels([])
ax.w_yaxis.set_ticklabels([])
ax.w_zaxis.set_ticklabels([])

colors = [sc.cmap(sc.norm(i)) for i in [1, 2, 0]]
custom_lines = [plt.Line2D([],[], ls="", marker='.', 
                mec='k', mfc=c, mew=.1, ms=20) for c in colors]
ax.legend(custom_lines, [lt[0] for lt in labelTups], 
          loc='center left', bbox_to_anchor=(1.0, .5))

plt.show()

并生产

内容总结

以上是互联网集市为您收集整理的python – matplotlib中的3D PCA：如何添加图例？全部内容，希望文章能够帮你解决python – matplotlib中的3D PCA：如何添加图例？所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端