kmeans 散点图：为每个簇绘制不同的颜色

Posted 2023-03-12

【中文标题】kmeans 散点图：为每个簇绘制不同的颜色

【英文标题】：kmeans scatter plot: plot different colors per cluster

【发布时间】：2015-03-29 10:10:42

【问题描述】：

我正在尝试绘制 kmeans 输出的散点图，它将同一主题的句子聚集在一起。我面临的问题是将属于每个集群的点绘制成某种颜色。

sentence_list=["Hi how are you", "Good morning" ...] #i have 10 setences
km = KMeans(n_clusters=5, init='k-means++',n_init=10, verbose=1) 
#with 5 cluster, i want 5 different colors
km.fit(vectorized)
km.labels_ # [0,1,2,3,3,4,4,5,2,5]

pipeline = Pipeline([('tfidf', TfidfVectorizer())])
X = pipeline.fit_transform(sentence_list).todense()
pca = PCA(n_components=2).fit(X)
data2D = pca.transform(X)
plt.scatter(data2D[:,0], data2D[:,1])

km.fit(X)
centers2D = pca.transform(km.cluster_centers_)
plt.hold(True)
labels=np.array([km.labels_])
print labels

我的问题出在 plt.scatter() 的底部代码中；我应该为参数 c 使用什么？

当我在代码中使用c=labels 时，我得到这个错误：

number in rbg sequence outside 0-1 range

2.当我设置c= km.labels_ 时，我得到了错误：

ValueError: Color array must be two-dimensional

plt.scatter(centers2D[:,0], centers2D[:,1], 
            marker='x', s=200, linewidths=3, c=labels)
plt.show()

【参考方案1】：

from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

# Scaling the data to normalize
model = KMeans(n_clusters=5).fit(X)

# Visualize it:
plt.figure(figsize=(8, 6))
plt.scatter(data[:,0], data[:,1], c=model.labels_.astype(float))

现在不同的簇有不同的颜色。

【讨论】：

请解释你的答案。

美女！奇怪的是，我无法让 pandas 速记适用于这种情况（即使用 data.plot(...) 会引发 'c=' too many color element 错误。

Bang.Great Trick.Thanks for that.

无论n_cluster 有多大，这是否保证每个集群的颜色唯一？

您的答案中的数据来自哪里？你说的是X吗？即使是X，你怎么知道X的形状是(n, 2)？

【参考方案2】：

它应该可以工作：

from sklearn.cluster import KMeans;
cluster = KMeans(10);
cluster.fit(M);

cluster.labels_;

plt.scatter(M[:,0],M[:,1], c=[matplotlib.cm.spectral(float(i) /10) for i in cluster.labels_]);   

【讨论】：

我喜欢这个想法，但是 Python 中的分号？

使用分号是一种获取列或行的pythonic方式。这里分别获取包含所有行（列向量）的第一列和第二列。

【参考方案3】：

color= 或 c= 属性应该是 matplotlib 颜色，如 plot 的文档中所述。

要将整数标签映射到颜色，只需这样做

LABEL_COLOR_MAP = 0 : 'r',
                   1 : 'k',
                   ....,
                   

label_color = [LABEL_COLOR_MAP[l] for l in labels]
plt.scatter(x, y, c=label_color)

如果您不想使用内置的单字符颜色名称，您可以使用其他颜色定义。请参阅有关 matplotlib 颜色的文档。

【讨论】：

我们如何使用 colormap 而不是手动为每个新集群输入颜色，以便将来更改集群编号时，我不必添加又换新颜色了？

或者使用mpl.colors中的内置色图

@tcaswell 这是一个选项。但我猜你 1) 可能希望标签 ID 和颜色之间的映射显式，并且 2) 必须知道你的标签 ID 不大于颜色图中的颜色数。

您只需要将它们全部缩放到 0 到 1 之间，以获得连续的颜色贴图。如果标签太多以至于无法解决连续颜色图上的差异，则说明标签过多

是的，我认为你是对的。只是想指出潜在的坑:)