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：