python显示手写数字图片经pca压缩后的二维空间分布 程序错误分析

import pandas as pd  
import numpy as np  
digits_train = pd.read_csv('../Datasets/Breast-Cancer/optdigits.tra', header=None)    
digits_test = pd.read_csv('../Datasets/Breast-Cancer/optdigits.tes', header=None)    
x_digits = digits_train[np.arange(64)]  
y_digits = digits_train[64]
x_digits = x_digits.dropna(how='any')
y_digits = y_digits.dropna(how='any')
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 xrange(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()
程序输出如下
Traceback (most recent call last):
  File "D:\Python35\demo\pca.py", line 29, in <module>
    plot_pca_scatter()
  File "D:\Python35\demo\pca.py", line 18, in plot_pca_scatter
    for i in xrange(len(colors)):
NameError: name 'xrange' is not defined
>>> 
提示 xrange函数不存在,相应的函数改为
for i in range(len(colors)):  
 
import pandas as pd  
import numpy as np  
digits_train = pd.read_csv('../Datasets/Breast-Cancer/optdigits.tra', header=None)    
digits_test = pd.read_csv('../Datasets/Breast-Cancer/optdigits.tes', header=None)    
x_digits = digits_train[np.arange(64)]  
y_digits = digits_train[64]
x_digits = x_digits.dropna(how='any')
y_digits = y_digits.dropna(how='any')
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()

显示图形输出如下:
 
 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值