Iris データセットの主成分分析プロット（Python, matplotlib, seaborn を使用）

Iris データセットの主成分分析を行い，第１主成分スコアと第２主成分スコアをプロットする．

主成分分析により次元削減ができる．

ある花の属性は、「5.1 3.5 1.4 0.2」という４つの数値属性を持ち、別の花の属性は、「4.9 3.0 1.4 0.2」という４つの数値属性を持つとする。

数値属性の個数のことを「次元」と言ったりする。

上で書いた花は、どちらも４次元である。

次元が大きすぎると、解析がうまく行かなかったり、人工知能の学習がうまくいかないという可能性がある。元のデータで、互いの類似性を保ったままで、より少ない個数の数値属性を作ることを 次元削減という。

【目次】

前準備
Iris データセットの準備
Iris データセットの主成分分析プロット

Google Colaboratory のページ:

次のリンクをクリックすると，Google Colaboratory のノートブックが開く．そして，Google アカウントでログインすると，Google Colaboratory のノートブック内のコード等を編集したり再実行したりができる．編集した場合でも，他の人に影響が出たりということはない．そして，編集後のものを，各自の Google ドライブ内に保存することもできる．

https://colab.research.google.com/drive/1nWjnjxgPrldV75OCUcp3RFEV_baeCs4D?usp=sharing

1. 前準備

Python の準備（Windows，Ubuntu 上）

Windows での Python 3.10，関連パッケージ，Python 開発環境のインストール（winget を使用しないインストール）: 別ページ »で説明
Ubuntu では，システム Pythonを使うことができる．Python3 開発用ファイル，pip, setuptools のインストール: 別ページ »で説明

【サイト内の関連ページ】

Python のまとめ: 別ページ »にまとめ
Google Colaboratory の使い方など: 別ページ »で説明

【関連する外部ページ】 Python の公式ページ: https://www.python.org/

Python の numpy，pandas，matplotlib，seaborn，scikit-learn のインストール

Windows の場合
Windows では，コマンドプロンプトを 管理者として実行し，次のコマンドを実行する．
```
python -m pip install -U numpy pandas matplotlib seaborn scikit-learn scikit-learn-intelex
```

Ubuntu の場合

端末で，次のコマンドを実行

sudo apt -y update
sudo apt -y install python3-numpy python3-pandas python3-seaborn python3-matplotlib python3-sklearn

2. Iris データセットの準備

Iris データセットの読み込み

import pandas as pd
import seaborn as sns
sns.set()
iris = sns.load_dataset('iris')

データの確認
```
print(iris.head())
```
形と次元を確認
配列（アレイ）の形：サイズは 150 ×5．次元数は 2．最後の列は，iris.target は花の種類のデータである
```
print(iris.shape)
print(iris.ndim)
```
Iris データセットの0, 1, 2, 3列目を表示
```
print( iris.iloc[:,0:4] )
```

3. Iris データセットの主成分分析プロット

主成分分析プロットの前準備

import numpy as np
import sklearn.decomposition
%matplotlib inline
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings

# 主成分分析
def prin(A, n):
    pca = sklearn.decomposition.PCA(n_components=n)
    return pca.fit_transform(A)

# 主成分分析で２つの成分を得る
def prin2(A):
    return prin(A, 2)

# M の最初の2列を，b で色を付けてプロット．b はラベル
def scatter_label_plot(M, b, alpha):
    a12 = pd.DataFrame( M[:,0:2], columns=['a1', 'a2'] )
    f = pd.factorize(b)
    a12['target'] = f[0]
    g = sns.scatterplot(x='a1', y='a2', hue='target', data=a12, palette=sns.color_palette("hls", np.max(f[0]) + 1), legend="full", alpha=alpha)
    # lenend を書き換え
    labels=f[1]
    for i, label in enumerate(labels):
        g.legend_.get_texts()[i].set_text(label) 
    plt.show()

# 主成分分析プロット
def pcaplot(A, b, alpha):
    scatter_label_plot(prin2(A), b, alpha)

主成分分析プロット
Iris データセットの0, 1, 2, 3列目については，主成分分析により，サイズ 150 × 4 を，150 × 2 に変換．
```
X = iris.iloc[:,0:4].to_numpy()
y = iris.iloc[:,4]

pcaplot(X, y, 0.4)
```