如何用Python导入CSV文件并执行TSNE后可视化结果

核心实现代码 #

import pandas as pd
from sklearn.manifold import TSNE
import matplotlib.pyplot as plt

# 1. 读取CSV数据
df = pd.read_csv("你的数据文件路径.csv")

# 分离分组标签与主成分特征
labels = df.iloc[:, 0]  # 提取第一列的分组标签
features = df.iloc[:, 1:]  # 提取从第二列开始的主成分数据

# 2. 执行t-SNE降维
# 可根据数据量调整perplexity（建议5-50）、迭代次数n_iter等参数
tsne = TSNE(n_components=2, perplexity=30, random_state=42, n_iter=1000)
tsne_results = tsne.fit_transform(features)

# 3. 按分组着色绘制可视化图
plt.figure(figsize=(10, 8))
# 为每个唯一分组分配专属颜色
unique_labels = labels.unique()
color_map = plt.cm.get_cmap('tab10', len(unique_labels))

for idx, label in enumerate(unique_labels):
    # 筛选当前分组对应的所有数据点
    mask = labels == label
    plt.scatter(tsne_results[mask, 0], tsne_results[mask, 1],
                color=color_map(idx), label=str(label), alpha=0.7)

plt.title("t-SNE降维可视化结果")
plt.xlabel("t-SNE Component 1")
plt.ylabel("t-SNE Component 2")
plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left')
plt.tight_layout()
plt.show()

常见问题修正点 #

• 数据读取异常：如果CSV无表头，需添加header=None参数，手动指定列名：df.columns = ["label"] + [f"PC{i}" for i in range(1, 51)]
• 降维效果差：若结果点聚合混乱，可调高perplexity（样本量越大值可越高，数千行建议20-50），或增加n_iter至2000以上
• 内存占用过高：若主成分列数过多，可先通过PCA预降维减少计算压力：

  from sklearn.decomposition import PCA
  pca = PCA(n_components=10)  # 先将特征降到10维
  reduced_features = pca.fit_transform(features)
  tsne_results = tsne.fit_transform(reduced_features)
  

• 着色失效：若分组标签是数值型分类，无需额外转换，直接使用即可；若为字符串标签，unique()方法可自动识别

内容的提问来源于stack exchange，提问作者dtx1