*********************************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3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=['c1', 'c2', 'c3', 'c4', 'c5']
3.在右上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_class.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：（代码中有注释哦）
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
from mpl_toolkits.mplot3d import Axes3D # 进行3D图像绘制
import matplotlib.pylab as plt
from matplotlib.lines import Line2D
def plot_tsne3d(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
'''
# 判断文件夹是否存在，不存在则创建
if not os.path.exists(fileNameDir):
os.makedirs(fileNameDir)
# 指定3维，并初始化
tsne = TSNE(n_components=3, init='pca', random_state=0)
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)
# 对数据进行归一化操作
x_min, x_max = np.min(tsne_features, 0), np.max(tsne_features, 0)
embedded = tsne_features / (x_max - x_min)
hex = ["#c957db", "#dd5f57", "#b9db57", "#57db30", "#5784db"] # 粉红，暗红，浅绿，绿，蓝
# 创建显示的figure
fig = plt.figure()
ax = Axes3D(fig)
# 将数据对应坐标输入到figure中
values = zip(embedded[:, 0], embedded[:, 1], embedded[:, 2],labels)
# v就是标签值：范围[0-4]
# 根据标签v来为每个类设置不同的颜色
for x,y,z,v in values:
if v ==0:
# x,y,z为坐标值
# c：用于设定颜色
# marker：用于指定显示的形状
# s：设定显示形状的大小
ax.scatter(x,y,z,
# c=np.array(plt.cm.Set1(2)).reshape(1,-1),
# c = "limegreen",
c=hex[0],
marker=".",
s=3,
# label = "c1"
)
if v == 1:
ax.scatter(x,y,z,
# c="lightcoral",
c=hex[1],
marker=".",
s=3,
# label = "c2"
)
if v == 2:
ax.scatter(x,y,z,
# c="coral",
c=hex[2],
marker=".",
s=3,
# label = "c3"
)
if v == 3:
ax.scatter(x,y,z,
# c="slategrey",
c=hex[3],
marker=".",
s=3,
# label = "c4"
)
if v == 4:
ax.scatter(x,y,z,
# c="cadetblue",
c=hex[4],
marker=".",
s=3,
# label = "c5"
)
myHandle = [
Line2D([], [], marker='.', color=hex[0], markersize=10, linestyle='None'),
Line2D([], [], marker='.', color=hex[1], markersize=10, linestyle='None'),
Line2D([], [], marker='.', color=hex[2], markersize=10, linestyle='None'),
Line2D([], [], marker='.', color=hex[3], markersize=10, linestyle='None'),
Line2D([], [], marker='.', color=hex[4], markersize=10, linestyle='None'),
]
# 用于标签显示的设置
legend = ax.legend(handles=myHandle,
# labels=['real', 'print1', 'print2', 'replay1','replay2'],
labels=['c1', 'c2', 'c3', 'c4', 'c5'],
loc="upper right",
title="",
bbox_to_anchor=(1.0, 1.0),
# title_fontsize=20,
# prop={'size': 10}
)
ax.add_artist(legend)
# 保存高清图像到指定的文件夹里面
plt.savefig(os.path.join(fileNameDir, "%s.jpg") % str(epoch), format="jpg",dpi = 300)
if __name__ == '__main__':
digits = datasets.load_digits(n_class=5)
features, labels = digits.data, digits.target
# print(features.shape)
# print(labels.shape)
plot_tsne3d(features, labels, "five_class", fileNameDir="test")运行结果
