如何在Python中制作交互式PCA散点图？

11

该matplotlib库是非常有能力，但缺乏互动性，尤其是里面Jupyter笔记本。我想一个好的离线绘图工具一样plot.ly。

— 斯科特利特
source

3

我不太了解这些事情，因此我无法真正写出一个好的答案，但是您可以看一下ipywidgets（示例在github.com/ipython/ipywidgets/blob/master/docs/source/examples /…）或bokeh（bokeh.pydata.org/en/latest）。

— TorbjørnT.

10

有一个很棒的库叫MPLD3，它可以生成交互式D3图。

此代码生成与Jupyter Notebook兼容的流行虹膜数据集的HTML交互式图。选择画笔时，它允许您在所有绘图中选择要突出显示的数据子集。选择十字箭头后，它允许您将鼠标悬停在数据点上并查看有关原始数据的信息。在进行探索性数据分析时，此功能非常有用。

导入matplotlib.pyplot作为plt
将numpy导入为np
将熊猫作为pd导入
进口seaborn为某人
导入mpld3
从mpld3导入插件
％matplotlib内联

虹膜= sb.load_dataset（'iris'）
从sklearn.preprocessing导入StandardScaler
X = pd.get_dummies（iris）
X_scal = StandardScaler（）。fit_transform（X）

昏暗= 3
从sklearn.decomposition导入PCA
pca = PCA（n_components =昏暗）
Y_sklearn = pca.fit_transform（X_scal）

＃定义一些CSS来控制我们的自定义标签
css =“”“
表
{
  边界崩溃：崩溃；
}
日
{
  颜色：#ffffff;
  背景颜色：＃000000;
}
d
{
  背景颜色：#cccccc;
}
桌子，TH，TD
{
  字体家族：Arial，Helvetica，sans-serif；
  边框：1px纯黑色；
  文字对齐：右；
}
“”

无花果，ax = plt.subplots（dim，dim，figsize =（6,6））
fig.subplots_adjust（hspace = .4，wspace = .4）
工具提示= [无] *暗淡

N = 200
索引= np.random.choice（范围（Y_sklearn.shape [0]），大小= N）

对于m（范围）（dim）：
    对于范围（m + 1）中的n：
        ax [m，n] .grid（真，alpha = 0.3）
        scatter = ax [m，n] .scatter（Y_sklearn [index，m]，Y_sklearn [index，n]，alpha = .05）

        标签= []
        对于索引中的我：
            标签= X.ix [[i]，：]。T.astype（int）
            label.columns = ['Row {0}'。format（X.index [i]）]
            labels.append（str（label.to_html（）））

        ax [m，n] .set_xlabel（'Component'+ str（m））
        ax [m，n] .set_ylabel（'Component'+ str（n））
        #ax [m，n] .set_title（'HTML tooltip'，size = 20）

        工具提示[m] = plugins.PointHTMLTooltip（散布，标签，
                                           voffset = 20，hoffset = 20，css = css）
        plugins.connect（图，工具提示[m]）

plugins.connect（图，plugins.LinkedBrush（散布））
测试= mpld3.fig_to_html（fig = fig）

使用open（“ Output.html”，“ w”）作为text_file：
    text_file.write（测试）

在我的博客上查看它的运行情况。

更新[2016年7月9日]：我刚刚发现Plot.ly具有脱机模式，并且现在是开源的。它有很多预先包装的铃铛，但是在某些情况下，MPLD3可能仍然适用。

— 斯科特利特
source

3

我希望这不是评论，而是评论，因为我的意图不是插入/做广告，但是我目前正在研究自己的论文，这可能对您很感兴趣，因为它确实可以满足您的需求。实际上，它是一个聚类可视化工具，但是如果您使用k-means且k = 1，则会有一个交互式绘图，您可以在其中搜索项，选择区域并查看每个节点的内容以及其他内容。看看它是否适合您！

https://github.com/Lilykos/clusterix

— 利里科斯
source

凉！我来看一下

— scottlittle '16

0

一个非常好的选择，可想而知是...

就我而言，我试图根据技能绘制相似的名称，其中技能是300个维度的word2vec嵌入；将其带到3维矢量空间，并使用plotly Scatter3D，我能够为其绘制3D散点图。

中提琴！有一个很棒的3D图形，具有悬停和放大功能。最好的部分是它可以导出为html文件，使其即插即用，适用于任何其他PC，只需在浏览器中拖放即可（包括在下面的代码中）。

BEE可以简化吗

from plotly.offline import plot
from plotly.graph_objs import *
import numpy as np

# x = np.random.randn(2000)
# y = np.random.randn(2000)

# Instead of simply calling plot(...), store your plot as a variable and pass it to displayHTML().
# Make sure to specify output_type='div' as a keyword argument.
# (Note that if you call displayHTML() multiple times in the same cell, only the last will take effect.)

p = plot(
  [
    Scatter3d(x=skills_df[0], y=skills_df[1], z=skills_df[2], text= skills_df['designation'], mode='markers', marker=Marker(color=skills_df['cluster_number'], size=3, opacity=0.5, colorscale='Viridis'))
  ],
  output_type='div'
#   filename='/dbfs/FileStore/tables/lnkdn_jobroles_viridis.html' turn it on to save the file
)

— 板立
source