matplotlibのsubplotにおけるxlimの軸指定方法

Question

pythonでスパース主成分分析を行っている際に、
matplotlibのsubplotで、それぞれのグラフごとにxlim指定をしたいのですが、
うまく反映されません。

分析に使っているデータは、scikit-learnから提供されているデータセットのwineです。

import matplotlib.pyplot as plt
from sklearn.datasets import load_wine
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA, SparsePCA

# ワインのデータをインポート
wine = load_wine()

def biplot(X_2d, components, target, ax):
    r1 = 5
    r2 = 1.01
    for i, coef in enumerate(components.T):
        ax.arrow(0, 0, coef[0]*r1, coef[1]*r1, color='r')    
        ax.text(coef[0]*r1*r2, coef[1]*r1*r2, i, color='b', fontsize=8)

    ax.scatter(X_2d[:,0], X_2d[:,1], c=target, cmap="rainbow")

def main():
    wine = load_wine()
    ss = StandardScaler()
    X = ss.fit_transform(wine.data)

    pca = PCA(n_components=2)
    spca = SparsePCA(n_components=2,
                     max_iter=3000,
                     n_jobs=-1,
                     normalize_components=True)
    
    fig, axes = plt.subplots(figsize=(12, 6), nrows=1, ncols=3)
    plt.xlim(-3, 3)

    X_2d = pca.fit_transform(X)
    biplot(X_2d, pca.components_, wine.target, axes[0])
    axes[0].set_title("PCA")

    for i,alpha in zip([1, 2], [0.5, 5]):
        spca.set_params(alpha=alpha)
        X_2d = spca.fit_transform(X)
        biplot(X_2d, spca.components_, wine.target, axes[i])
        axes[i].set_title("SPCA alpha={:.2f}".format(alpha))
    # plt.savefig("result.png")
    
    # 図と突き合わせて確認するために特徴量の名前を出力しておく
    for i, name in enumerate(wine.feature_names):
        print(i, name)

if __name__ == "__main__":
    main()

上記のコードの、ローカル関数(main)の中で、以下の通り、X軸を-3から3に指定しています。

plt.xlim(-3, 3)

しかしこの結果、出力されたグラフは
subplotの一番右のグラフにしか、このX軸指定が反映されていません。

これを、それぞれのグラフごとに個別に軸指定するコードの挿入方法をご教示いただけませんでしょうか。

Answer 1

xlim の指定は Axes ごとに独立しています。
pyplot.xlim() の代わりに Axes.set_xlim() でそれぞれ設定しましょう。

matplotlib.axes.Axes.set_xlim — Matplotlib 3.1.2 documentation

import matplotlib.pyplot as plt
from sklearn.datasets import load_wine
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA, SparsePCA

# ワインのデータをインポート
wine = load_wine()


def biplot(X_2d, components, target, ax):
    r1 = 5
    r2 = 1.01
    for i, coef in enumerate(components.T):
        ax.arrow(0, 0, coef[0] * r1, coef[1] * r1, color="r")
        ax.text(coef[0] * r1 * r2, coef[1] * r1 * r2, i, color="b", fontsize=8)

    ax.scatter(X_2d[:, 0], X_2d[:, 1], c=target, cmap="rainbow")


def main():
    wine = load_wine()
    ss = StandardScaler()
    X = ss.fit_transform(wine.data)

    pca = PCA(n_components=2)
    spca = SparsePCA(
        n_components=2, max_iter=3000, n_jobs=-1, normalize_components=True
    )

    fig, axes = plt.subplots(figsize=(12, 6), nrows=1, ncols=3)

    X_2d = pca.fit_transform(X)
    biplot(X_2d, pca.components_, wine.target, axes[0])
    axes[0].set_title("PCA")

    for i, alpha in zip([1, 2], [0.5, 5]):
        spca.set_params(alpha=alpha)
        X_2d = spca.fit_transform(X)
        biplot(X_2d, spca.components_, wine.target, axes[i])
        axes[i].set_title("SPCA alpha={:.2f}".format(alpha))
        axes[i].set_xlim(-3, 3)
    # plt.savefig("result.png")

    # 図と突き合わせて確認するために特徴量の名前を出力しておく
    for i, name in enumerate(wine.feature_names):
        print(i, name)


if __name__ == "__main__":
    main()

Comments

[color_8]

tiitoiさん
有り難うございます！
コードと出力を確認できました。
大変助かりました。
今後ともよろしくお願いします。