用seaborn画tsne，并指定形状、形状颜色与标记内容
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 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
'''
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 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)
#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]
# 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.target
print(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 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
'''
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 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)
#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]
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.target
print(features.shape)
print(labels.shape)
plot_tsne(features, labels, "Set2", fileNameDir="test")