在 sklearn 中绘制 PCA 加载和双图加载（如 R 的自动绘图）

Posted 2023-03-12

【中文标题】在 sklearn 中绘制 PCA 加载和双图加载（如 R 的自动绘图）

【英文标题】：Plot PCA loadings and loading in biplot in sklearn (like R's autoplot)

【发布时间】：2017-01-06 02:43:03

【问题描述】：

我在R 和autoplot 看到了这个教程。他们绘制了载荷和载荷标签：

autoplot(prcomp(df), data = iris, colour = 'Species',
         loadings = TRUE, loadings.colour = 'blue',
         loadings.label = TRUE, loadings.label.size = 3)

https://cran.r-project.org/web/packages/ggfortify/vignettes/plot_pca.html

我更喜欢 Python 3 和 matplotlib, scikit-learn, and pandas 进行数据分析。但是，我不知道如何添加这些？

如何用matplotlib 绘制这些向量？

我一直在阅读Recovering features names of explained_variance_ratio_ in PCA with sklearn，但还没有弄清楚

这是我在Python 中绘制它的方式

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.preprocessing import StandardScaler
from sklearn import decomposition
import seaborn as sns; sns.set_style("whitegrid", 'axes.grid' : False)

%matplotlib inline
np.random.seed(0)

# Iris dataset
DF_data = pd.DataFrame(load_iris().data, 
                       index = ["iris_%d" % i for i in range(load_iris().data.shape[0])],
                       columns = load_iris().feature_names)

Se_targets = pd.Series(load_iris().target, 
                       index = ["iris_%d" % i for i in range(load_iris().data.shape[0])], 
                       name = "Species")

# Scaling mean = 0, var = 1
DF_standard = pd.DataFrame(StandardScaler().fit_transform(DF_data), 
                           index = DF_data.index,
                           columns = DF_data.columns)

# Sklearn for Principal Componenet Analysis
# Dims
m = DF_standard.shape[1]
K = 2

# PCA (How I tend to set it up)
Mod_PCA = decomposition.PCA(n_components=m)
DF_PCA = pd.DataFrame(Mod_PCA.fit_transform(DF_standard), 
                      columns=["PC%d" % k for k in range(1,m + 1)]).iloc[:,:K]
# Color classes
color_list = [0:"r",1:"g",2:"b"[x] for x in Se_targets]

fig, ax = plt.subplots()
ax.scatter(x=DF_PCA["PC1"], y=DF_PCA["PC2"], color=color_list)

【参考方案1】：

试试“pca”库。这将绘制解释方差，并创建双图。

pip install pca

from pca import pca

# Initialize to reduce the data up to the number of componentes that explains 95% of the variance.
model = pca(n_components=0.95)

# Or reduce the data towards 2 PCs
model = pca(n_components=2)

# Fit transform
results = model.fit_transform(X)

# Plot explained variance
fig, ax = model.plot()

# Scatter first 2 PCs
fig, ax = model.scatter()

# Make biplot with the number of features
fig, ax = model.biplot(n_feat=4)

【讨论】：

选择这个作为新的答案。好多了。谢谢！

是否有可能将其推广到所有距离矩阵而不仅仅是欧几里得距离？带主坐标分析

PCA 基于正交线性变换。将其推广到其他距离矩阵可能并不那么简单。我建议使用其他方法，例如 MDS、UMAP。

有没有办法根据原始 X 数据框中的列名向 n_feat 添加标签？我真的很喜欢这个，但很想重命名向量的标签。谢谢！

这是可能的，fit_transform() 函数包含可以使用的参数“col_labels”。

【参考方案2】：

您可以通过创建biplot 函数来执行以下操作。

好文章在这里：https://towardsdatascience.com/pca-clearly-explained-how-when-why-to-use-it-and-feature-importance-a-guide-in-python-7c274582c37e?source=friends_link&sk=65bf5440e444c24aff192fedf9f8b64f

在本例中，我使用的是虹膜数据：

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.decomposition import PCA
import pandas as pd
from sklearn.preprocessing import StandardScaler

iris = datasets.load_iris()
X = iris.data
y = iris.target

# In general, it's a good idea to scale the data prior to PCA.
scaler = StandardScaler()
scaler.fit(X)
X=scaler.transform(X)    
pca = PCA()
x_new = pca.fit_transform(X)

def myplot(score,coeff,labels=None):
    xs = score[:,0]
    ys = score[:,1]
    n = coeff.shape[0]
    scalex = 1.0/(xs.max() - xs.min())
    scaley = 1.0/(ys.max() - ys.min())
    plt.scatter(xs * scalex,ys * scaley, c = y)
    for i in range(n):
        plt.arrow(0, 0, coeff[i,0], coeff[i,1],color = 'r',alpha = 0.5)
        if labels is None:
            plt.text(coeff[i,0]* 1.15, coeff[i,1] * 1.15, "Var"+str(i+1), color = 'g', ha = 'center', va = 'center')
        else:
            plt.text(coeff[i,0]* 1.15, coeff[i,1] * 1.15, labels[i], color = 'g', ha = 'center', va = 'center')
    plt.xlim(-1,1)
    plt.ylim(-1,1)
    plt.xlabel("PC".format(1))
    plt.ylabel("PC".format(2))
    plt.grid()

#Call the function. Use only the 2 PCs.
myplot(x_new[:,0:2],np.transpose(pca.components_[0:2, :]))
plt.show()

---

结果

---

【讨论】：

哇！这段代码非常简单易懂。我制作了一个非常复杂且不完整的版本。谢谢你复活这个。把我的答案换成你的。

很高兴我能帮上忙 :)

这是一个不错的功能。但是，当您使用 1/(max-min) 时，您会失去对单位的跟踪。你会怎么称呼这张图表中的单位？我不知道如何正确命名它。 “按每台 PC 的最大范围归一化”对我来说听起来不是很吸引人。

正确。 score 是投影特征，coeff 是特征向量的元素

我还在这里提供了有关术语的更多信息：***.com/a/47371788/5025009

【参考方案3】：

我在这里找到了@teddyroland 的答案：https://github.com/teddyroland/python-biplot/blob/master/biplot.py

【讨论】：

完美！正是我想要的