import pandas as pd
import numpy as np
digits_train = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/optdigits/optdigits.tra', header=None)
digits_test = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/optdigits/optdigits.tes', header=None)
x_digits = digits_train[np.arange(64)]
y_digits = digits_train[64]
print(x_digits)
print(y_digits)
from sklearn.decomposition import PCA
estimator = PCA(n_components=2)
x_pca = estimator.fit_transform(x_digits)
print(x_pca)
from matplotlib import pyplot as plt
def plot_pca_scatter():
colors = ['black', 'blue', 'purple','yellow', 'white', 'red', 'lime', 'cyan', 'orange', 'gray']#总共有0-9,10种手写数字,要把每一个手写数字都用二维图展现出来,为了便于区分,使用10颜色
for i in range(len(colors)):
px = x_pca[:, 0][y_digits.as_matrix() == i]#这里的[y_digits.as_matrix]主要对x_pca第一列的所有行起到选择作用,也就是说假设i=0时,
py = x_pca[:, 1][y_digits.as_matrix() == i]#选择出所有训练样本的标签为0的x_pca,并将其用二维图展现出来,不同的数字用不同的颜色画出来
plt.scatter(px, py, c=colors[i]) #最后,通过最终效果图可以发现,同一类型的digits基本上分布在同一块区域
plt.legend(np.arange(0, 10).astype(str))
plt.xlabel('First Principal Component')
plt.ylabel('Sencond Principal Component')
plt.show()
plot_pca_scatter()
最终运行效果图如下: