PCA绘图参数

Question

我是python的初学者，试图使用pandas、sklearn.preprocessing、sklearn.decomposition和Matplotlib.pyplot创建一个两个分量的PCA图。

我的数据框架非常大，涉及不同植物种类的特征，有许多变量(>100列)，我想比较其中一个特征/列(茎长度)对数据方差的影响。茎长度的柱子由浮子组成，大小从0到大约75 to。

我想画一张PCA图，比较树干长度>40 of和树干长度<40 of时特征的方差。然而，我不知道如何处理这件事。

我一直使用以下网站作为guide for the PCA plot。

我已经编写了以下代码：

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

df = pd.read_csv("plant_data.csv")

x = StandardScaler().fit_transform(x)

plt.style.use("seaborn-darkgrid")

pca = PCA(n_components=2)
principalComponents = pca.fit_transform(x)
principalDf = pd.DataFrame(data = principalComponents, 
                           columns = ['principal component 1', 'principal component 2'])
finalDf = pd.concat([principalDf, df[['stem_length']]], axis = 1)

如何设置参数stem_length >40、stem_length <40的条件？

Answer 1

问题链接中的给定数据集称为"Iris数据集“。考虑到这一点，以及您的具有两个主成分的工作示例，您现在拥有了具有三个特征(或尺寸或列-在excel中)的finalDF。

现在，您需要定义一个功能，它可以通过以下方式获得：

finalDF['stem_length_gt_40'] = finalDF['stem_length'].apply(lambda x: 1 if x > 40 else 0)

代码创建了另一个名为stem_length_gt_40的列，如果stem_length > 40否则为0，则该列的值为1。

考虑到这一点，现在您可能可以使用seaborn.scatterplot根据stem_length_gt_40绘制PCA-1 vs. PCA-2并对其进行不同的颜色显示，如下所示：

import seaborn as sns
import matplotlib.pyplot as plt

# plt.style.use("seaborn-darkgrid")

sns.scatterplot(x = 'principal component 1', y = 'principal component 2', data = finalDF, hue = 'stem_length_gt_40')

您可以通过here了解有关sns.scatterpolt的更多信息。