画tsne-2d图，为每个类设置指定的颜色与标签，并显示标签

*********************************原创不易，转载请注明出处！*********************************

功能要求：

        1.画一个关于5个类的2维tsne图；

        2.给每个类指定自定义的颜色与名字：

                颜色： 

                hex = ["#c957db", "#dd5f57", "#b9db57", "#57db30", "#5784db"]  # 粉红，暗红，浅绿，绿，蓝

                名字：

                labels=['c0', 'c1', 'c2', 'c3', 'c4']

        3.在右下角显示每个类的标签；

        4.将得到的图像保存到名字为test的文件夹里面，图像的名字为"five_visual_2d.jpg"，且图像的清晰度要高；

        我们这里以sklearn中的数字数据集为例，废话不多说，直接上代码，看官可根据如下代码来查看以上功能要求的具体实现细节：

import numpy as np
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt_sne
from sklearn import datasets
from sklearn.manifold import TSNE
import os


def plot_tsne(features, labels, epoch,fileNameDir = None):
    '''
    features:(N*m) N*m大小特征，其中N代表有N个数据，每个数据m维
    label:(N) 有N个标签
    '''
    # 创建目标文件夹
    if not os.path.exists(fileNameDir):
        os.makedirs(fileNameDir)
    import pandas as pd
    tsne = TSNE(n_components=2, init='pca', random_state=0)
    import seaborn as sns

    #查看标签的种类有几个
    class_num = len(np.unique(labels))  # 要分类的种类个数  eg:[0, 1, 2, 3]这个就是为4

    try:
        tsne_features = tsne.fit_transform(features)  # 将特征使用PCA降维至2维
    except:
        tsne_features = tsne.fit_transform(features)

    x_min, x_max = np.min(tsne_features, 0), np.max(tsne_features, 0)
    tsne_features = (tsne_features - x_min) / (x_max - x_min)  # 对数据进行归一化处理
    #一个类似于表格的数据结构
    df = pd.DataFrame()
    df["y"] = labels
    df["comp1"] = tsne_features[:, 0]
    df["comp2"] = tsne_features[:, 1]


    # 颜色是根据标签的大小顺序进行赋色.
    hex = ["#c957db", "#dd5f57","#b9db57","#57db30","#5784db"]  # 绿、红
    data_label = []
    for v in df.y.tolist():
        if v == 0:
            data_label.append("c0")
        elif v == 1:
            data_label.append("c1")
        elif v == 2:
            data_label.append("c2")
        elif v == 3:
            data_label.append("c3")
        elif v == 4:
            data_label.append("c4")

    df["value"] = data_label
    
    # hue=df.y.tolist()
    # hue:根据y列上的数据种类，来生成不同的颜色；
    # style:根据y列上的数据种类，来生成不同的形状点；
    # s:指定显示形状的大小
    sns.scatterplot(x= df.comp1.tolist(), y= df.comp2.tolist(),hue=df.value.tolist(),style = df.value.tolist(),
                    palette=sns.color_palette(hex,class_num),markers= {"c0":".","c1":".","c2":".","c3":".","c4":"."},
                    # s = 10,
                    data=df).set(title="") #T-SNE projection
  

   
    # 指定图注的位置 "lower right"
    plt_sne.legend(loc = "lower right")
    # 不要坐标轴
    plt_sne.axis("off")
    保存图像
    plt_sne.savefig(os.path.join(fileNameDir,"%s.jpg") % str(epoch),format = "jpg",dpi = 300)
    plt_sne.show()
  


if __name__ == '__main__':
    digits = datasets.load_digits(n_class=5)
    features, labels = digits.data, digits.target

    plot_tsne(features, labels, "five_visual_2d", fileNameDir="test")

运行结果

tsne-2d visualization