本文主要是介绍用seaborn画tsne，并指定形状、形状颜色与标记内容，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
最近在做深度模型的可视化操作，心血来潮，特此纪念！
原创不易，转载请标明出处，谢谢！
1.如何用seaborn画tsne？
这里拿sklearn中的digits数据集为例，类别数为2；
代码解释：
1.主函数
（1）加载digits数据集，类别数为2；
（2） 得到数据集的特征与标签；
（3）传入plot_tsne()函数；
2.plot_tsne()函数：画tsne分布图，并将图像保存，"test/Set2.jpg"
（1）初始化TSNE()，然后用PCA将特征降至2维；
（2）将特征与标签存入表格df中；
（3）调用seaborn的scatterplot()函数画图，色板条为“Set2”；
（4）图像保存；
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 osdef 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'''print(features.shape,labels.shape)print(type(features),type(labels))print(np.any(np.isnan(features)),np.any(np.isinf(features)))features = np.nan_to_num(features)if not os.path.exists(fileNameDir):os.makedirs(fileNameDir)import pandas as pdtsne = 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4try:tsne_features = tsne.fit_transform(features) # 将特征使用PCA降维至2维except:tsne_features = tsne.fit_transform(features)#一个类似于表格的数据结构df = pd.DataFrame()df["y"] = labelsdf["comp1"] = tsne_features[:, 0]df["comp2"] = tsne_features[:, 1]# 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；sns.scatterplot(x= df.comp1.tolist(), y= df.comp2.tolist(),hue=df.y.tolist(),style = df.y.tolist(),palette=sns.color_palette("Set2",class_num),data=df).set(title="T-SNE projection")plt_sne.savefig(os.path.join(fileNameDir,"%s.jpg") % str(epoch),format = "jpg")plt_sne.show()if __name__ == '__main__':digits = datasets.load_digits(n_class=2)features, labels = digits.data, digits.targetprint(features.shape)print(labels.shape)plot_tsne(features, labels, "Set2", fileNameDir="test")
运行上述代码，可得结果：
2.如何指定图像上的形状？
如果我们想用其他形状表示标签0,1，该怎么做呢！
做法很简单，对上述代码中的sns.scatterplot函数，添加markers参数
sns.scatterplot(x= df.comp1.tolist(), y= df.comp2.tolist(),hue=df.y.tolist(),style = df.y.tolist(),palette=sns.color_palette("Set2",class_num),markers= {1:"v",0:"^"},data=df).set(title="T-SNE projection")
添加markers参数后，我们就可以用倒三角表示标签1，正三角表示标签0：
3.如何指定形状颜色？
我们如果想对标签1,0的颜色进行随意指定，不想用色板条上提供的，做法如下！
（1）定义一个hex列表，用于存储表示颜色的十六进制；比如：
hex = ["#ff8b8b", "#6e85b7"]（2）将hex替换sns.plotscatter函数中的“Set2”参数即可；
sns.scatterplot(x= df.comp1.tolist(), y= df.comp2.tolist(),hue=df.y.tolist(),style = df.y.tolist(),palette=sns.color_palette(hex,class_num),markers= {1:"v",0:"^"},data=df).set(title="T-SNE projection")
这样，就能得到一个自定义颜色的分布图：
4.如何指定自定义的标记内容？
我们不想让右上角的0,1标签作为图注，想将0,1标签替换为其他信息，比如：
将标签0替换为“zero”,标签1替换为"one"；
关于这一块，本人在网上并没有找到通过直接修改函数参数从而达到目的的方案，如果有小伙伴搜到的，可以在评论区分享一下！
本人是这样做的：
（1）先读取存取在df表格中的标签列，然后再定义一个数组，根据标签0,1进行值的转换：
data_label = []for v in df.y.tolist():if v == 1:data_label.append("one")else:data_label.append("zero")（2）将自定义的data_label加入存储数据的df表格中的value列：
df["value"] = data_label（3）更改sns.scatterplot()函数中的hue、style、markers参数：
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= {"one":"v","zero":"^"},data=df).set(title="T-SNE projection")
通过上述操作，就能达到指定自定义的标签内容的效果：
至此，标题中提到的问题已解答完毕，祝好！
———————————————————————————————————————————
同时具备解决上述问题的代码，如下：
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 osdef 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'''print(features.shape,labels.shape)print(type(features),type(labels))print(np.any(np.isnan(features)),np.any(np.isinf(features)))features = np.nan_to_num(features)if not os.path.exists(fileNameDir):os.makedirs(fileNameDir)import pandas as pdtsne = 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4try:tsne_features = tsne.fit_transform(features) # 将特征使用PCA降维至2维except:tsne_features = tsne.fit_transform(features)#一个类似于表格的数据结构df = pd.DataFrame()df["y"] = labelsdf["comp1"] = tsne_features[:, 0]df["comp2"] = tsne_features[:, 1]hex = ["#ff8b8b", "#6e85b7"]data_label = []for v in df.y.tolist():if v == 1:data_label.append("one")else:data_label.append("zero")df["value"] = data_label# 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；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= {"one":"v","zero":"^"},data=df).set(title="T-SNE projection")plt_sne.savefig(os.path.join(fileNameDir,"%s.jpg") % str(epoch),format = "jpg")plt_sne.show()if __name__ == '__main__':digits = datasets.load_digits(n_class=2)features, labels = digits.data, digits.targetprint(features.shape)print(labels.shape)plot_tsne(features, labels, "Set2", fileNameDir="test")
这篇关于用seaborn画tsne，并指定形状、形状颜色与标记内容的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
