在单个子图中循环 Matplotlib

Question

我目前正在研究主成分分析，我想绘制一个相关圆，在我的例子中是 3，因为我有 3 个 PCA。

代码没问题，但我想在子图中显示结果（1 行，3 列），因为现在我有 3 个连续的数字。

当我尝试用 fig, ax = plt.subplots(1,3) 初始化 Matplotlib 图时，它 returns 3 个 1x3 子图的“网格”，每个子图内有 1 个圆圈。因此，我想要 1 个“网格”，我的 3 个圆在同一行的 3 列中。

我的代码：

pcs = pca.components_
def display_circles(pcs, n_comp, pca, axis_ranks, labels=None, label_rotation=0, lims=None):
    # Initialise the matplotlib figure
    fig, ax = plt.subplots(1,3)

    # For each factorial plane
    for d1, d2 in axis_ranks: 
        if d2 < n_comp:

            # Determine the limits of the chart
            if lims is not None :
                xmin, xmax, ymin, ymax = lims
            elif pcs.shape[1] < 30 :
                xmin, xmax, ymin, ymax = -1, 1, -1, 1
            else :
                xmin, xmax, ymin, ymax = min(pcs[d1,:]), max(pcs[d1,:]), min(pcs[d2,:]), max(pcs[d2,:])

            # Add arrows
            plt.quiver(np.zeros(pcs.shape[1]), np.zeros(pcs.shape[1]), pcs[d1,:], pcs[d2,:], angles='xy', scale_units='xy', scale=1, color="grey")
            
            # Display variable names
            if labels is not None:  
                for i,(x, y) in enumerate(pcs[[d1,d2]].T):
                    if x >= xmin and x <= xmax and y >= ymin and y <= ymax :
                        plt.text(x, y, labels[i], fontsize='10', ha='center', va='center', rotation=label_rotation, color="blue", alpha=0.5)
            
            # Display circle
            circle = plt.Circle((0,0), 1, facecolor='none', edgecolor='b')
            plt.gca().add_artist(circle)

            # Label the axes, with the percentage of variance explained
            plt.xlabel('PC{} ({}%)'.format(d1+1, round(100*pca.explained_variance_ratio_[d1],1)))
            plt.ylabel('PC{} ({}%)'.format(d2+1, round(100*pca.explained_variance_ratio_[d2],1)))

            plt.title("Correlation Circle (PC{} and PC{})".format(d1+1, d2+1))
            plt.show(block=False)

display_circles(pcs, num_components, pca, [(0,1), (1,2), (0,2)], labels = header)

感谢您的帮助！！

Answer 1

遗憾的是，您没有提供数据，所以这个答案只是为了解释您可以做些什么来实现您的目标。

您使用 fig, ax = plt.subplots(1,3) 创建了 3 个不同的轴，它们存储在 ax 中。所以，ax[0]指的是左边第一个轴，ax[1]指的是中间轴，ax[2]指的是右边的轴。我们使用它们来定位正确的轴。

因为你有 3 个 PCA，我们需要一个索引来定位正确的轴。因此，将 for d1, d2 in axis_ranks: 更改为 for k, (d1, d2) in enumerate(axis_ranks):。现在我们可以使用索引 k 来定位正确的轴。

接下来，您需要将 plt. 替换为 ax[i].。但我们需要小心，因为某些方法将有不同的名称：

pcs = pca.components_
def display_circles(pcs, n_comp, pca, axis_ranks, labels=None, label_rotation=0, lims=None):
    # Initialise the matplotlib figure
    fig, ax = plt.subplots(1,3)

    # For each factorial plane
    for k, (d1, d2) in enumerate(axis_ranks): 
        if d2 < n_comp:

            # Determine the limits of the chart
            if lims is not None :
                xmin, xmax, ymin, ymax = lims
            elif pcs.shape[1] < 30 :
                xmin, xmax, ymin, ymax = -1, 1, -1, 1
            else :
                xmin, xmax, ymin, ymax = min(pcs[d1,:]), max(pcs[d1,:]), min(pcs[d2,:]), max(pcs[d2,:])

            # Add arrows
            ax[k].quiver(np.zeros(pcs.shape[1]), np.zeros(pcs.shape[1]), pcs[d1,:], pcs[d2,:], angles='xy', scale_units='xy', scale=1, color="grey")
            
            # Display variable names
            if labels is not None:  
                for i,(x, y) in enumerate(pcs[[d1,d2]].T):
                    if x >= xmin and x <= xmax and y >= ymin and y <= ymax :
                        ax[k].text(x, y, labels[i], fontsize='10', ha='center', va='center', rotation=label_rotation, color="blue", alpha=0.5)
            
            # Display circle
            circle = plt.Circle((0,0), 1, facecolor='none', edgecolor='b')
            ax[k].add_artist(circle)

            # Label the axes, with the percentage of variance explained
            ax[k].set_xlabel('PC{} ({}%)'.format(d1+1, round(100*pca.explained_variance_ratio_[d1],1)))
            ax[k].set_ylabel('PC{} ({}%)'.format(d2+1, round(100*pca.explained_variance_ratio_[d2],1)))

            ax[k].set_title("Correlation Circle (PC{} and PC{})".format(d1+1, d2+1))

display_circles(pcs, num_components, pca, [(0,1), (1,2), (0,2)], labels = header)

在单个子图中循环 Matplotlib

Loop in Matplotlib in a single subplot

python

for-loop

matplotlib

pca