使用 PCA 进行降维。为什么没有出现图表中的所有数字？

Question

我使用了来自 Sklearn 的 Digits 数据集，并尝试将维度从 64 减少到 2：import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as sns#%matplotib inlinefrom sklearn.decomposition import PCAfrom sklearn.datasets import load_digitsdigits = load_digits()digits_df = pd.DataFrame(digits.data,)digits_df["target"] = pd.Series(digits.target)pca = PCA(n_components=2)digits_pca = pca.fit_transform(digits_df.iloc[:,:64])digits_df_pca = pd.DataFrame(digits_pca,                            columns =["Component1","Component2"])finalDf = pd.concat([digits_df_pca, digits_df["target"]], axis = 1)plt.figure(figsize=(10,10))sns.scatterplot(data=finalDf,x="Component1", y = "Component2",hue="target",               )图表：图中唯一的数字是 0、3、6、9。为什么我看不到其他五个数字？

Answer 1

如果所有标签都可用一组标签，则签入您的数据。

如果是，那么您可以尝试

sns.scatterplot(data=finalDf,x="Component1", y = "Component2",hue="target",

               legend = 'full')

工作代码：

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

#%matplotib inline

from sklearn.decomposition import PCA

from sklearn.datasets import load_digits

digits = load_digits()

digits_df = pd.DataFrame(digits.data,)

digits_df["target"] = pd.Series(digits.target)

pca = PCA(n_components=2)

digits_pca = pca.fit_transform(digits_df.iloc[:,:64])

digits_df_pca = pd.DataFrame(digits_pca,

                            columns =["Component1","Component2"])

finalDf = pd.concat([digits_df_pca, digits_df["target"]], axis = 1)

plt.figure(figsize=(10,10))

palette = sns.color_palette("bright", 10)

sns.scatterplot(data=finalDf,x="Component1", y = "Component2",hue="target",

               legend = 'full', palette = palette)