python - matplotlib : how to add legend? 中的 3D PCA

我正在尝试将 http://scikit-learn.org/stable/auto_examples/decomposition/plot_pca_iris.html 用于我自己的数据来构建 3D PCA 图。但是，该教程没有指定如何添加图例。另一个页面，https://matplotlib.org/users/legend_guide.html 做了，但我看不到如何将第二个教程中的信息应用到第一个。

如何修改下面的代码以添加图例？

# 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()

最佳答案

其他答案存在一些问题，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。

spectral 颜色图已从 2.2 版的 matplotlib 中删除，
使用 Spectral 或 nipy_spectral 或任何 other valid colormap 。

matplotlib 中的任何颜色图的范围从 0 到 1。如果您使用该范围之外的任何值调用它，
它只会给你最外面的颜色。要从颜色图中获取颜色，您需要对这些值进行归一化。
这是通过 Normalize 实例完成的。在这种情况下，这是 scatter 内部的。

因此，使用 sc = ax.scatter(...) 然后使用 sc.cmap(sc.norm(value)) 以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]]

图例在图外。该图的大小为 4 x 3 英寸 ( figsize=(4, 3) )。
轴的宽度占该空间的 95% ( rect=[0, 0, .95, 1] )。
对 legend 的调用将图例的右中心点放置在轴宽度 = 4*0.95*1.7 = 6.46 英寸的 1.7 倍处。 ( bbox_to_anchor=(1.7,0.5) )。


我这边的替代建议:使图形更大( figsize=(5.5, 3) )，以便图例适合，使轴仅占用图形宽度的 70%，这样图例还剩下 30%。将图例的左侧靠近坐标区边界 ( 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 。

您仍然在 jupyter notebook 中看到包括图例在内的完整图形的原因是 jupyter 只会将所有内容保存在 Canvas 内，即使它重叠并因此放大图形。

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

关于python - matplotlib : how to add legend? 中的 3D PCA，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/49564844/