Сочетание буксируемых пользовательских графиков для создания непересекающегося графика загрузки PCA - PullRequest
Новая
       12

Сочетание буксируемых пользовательских графиков для создания непересекающегося графика загрузки PCA

0 голосов
/ 06 марта 2020

Я нашел решения для буксировки в stackoverflow. Один, который показывает, как создать график загрузки PCA, и один (на самом деле несколько), который показывает, как создавать графики с неперекрывающимися метками или текстами. Я хочу объединить эти решения, но я не знаю, как возиться с def (). Я пытался, хотя ... безуспешно. Может кто-нибудь помочь?

как создать график загрузки PCA (я удалил базовую диаграмму рассеяния, потому что она мне не нужна): График загрузки PCA и загрузка в биплот в sklearn (как автоплот R) 

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):
    n = coeff.shape[0]
    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()

как создавать графики с неперекрывающимися метками: Matplotlib перекрывающиеся аннотации / текст 

import matplotlib.pyplot as plt
from adjustText import adjust_text
import numpy as np
from scipy import interpolate

together = [(0, 1.0, 0.4), (25, 1.0127692669427917, 0.41), (50, 1.016404709797609, 0.41), (75, 1.1043426359673716, 0.42), (100, 1.1610446924342996, 0.44), (125, 1.1685687930691457, 0.43), (150, 1.3486407784550272, 0.45), (250, 1.4013999168008104, 0.45)]
together.sort()

eucs = [y for (x,y,z) in together]
covers = [z for (x,y,z) in together]

p1 = plt.plot(eucs,covers,color="black", alpha=0.5)
texts = []
for x, y, s in zip(eucs, covers, text):
    texts.append(plt.text(x, y, s))

f = interpolate.interp1d(eucs, covers)
x = np.arange(min(eucs), max(eucs), 0.0005)
y = f(x)    

plt.xlabel("Proportional Euclidean Distance")
plt.ylabel("Percentage Timewindows Attended")
plt.title("Test plot")
adjust_text(texts, x=x, y=y, autoalign='y',
            only_move={'points':'y', 'text':'y'}, force_points=0.15,
            arrowprops=dict(arrowstyle="->", color='r', lw=0.5))
plt.show()
...