如何为PCA累计方差图的指定点绘制至坐标轴的连线？

需求说明 #

要在PCA累计方差曲线图中，给指定点（比如累计方差达到80%的位置）添加连接到x轴和y轴的辅助连线，预期效果为：曲线对应点向下画垂直线到x轴，向左画水平线到y轴，同时标记该点。

修改方案 #

通过matplotlib的辅助线函数和标记点功能即可实现，以下是完整修改后的代码：

from sklearn.decomposition import PCA
import numpy as np
import matplotlib.pyplot as plt

# 计算完整PCA的累计方差
pca = PCA()
pca.fit(x)
cumulative_variance = np.cumsum(pca.explained_variance_ratio_)

# 定位目标点坐标（以累计方差≥0.8为例）
target_variance = 0.8
# 找到第一个满足条件的组件数（索引+1对应实际组件数量）
n_components = np.argmax(cumulative_variance >= target_variance) + 1
target_y = cumulative_variance[n_components - 1]

# 绘制累计方差曲线
plt.figure()
plt.plot(cumulative_variance, marker='o', markersize=4)

# 绘制辅助连线
plt.vlines(x=n_components, ymin=0, ymax=target_y, color='red', linestyle='--')
plt.hlines(y=target_y, xmin=0, xmax=n_components, color='red', linestyle='--')
# 标记目标点
plt.scatter(n_components, target_y, color='red', s=50, zorder=5)

# 添加图表标注
plt.xlabel('Number of Components')
plt.ylabel('Cumulative Variance Ratio')
plt.title('Explained Cumulative Variance')
plt.grid(alpha=0.3)

plt.show()

# 后续降维代码保留
pca = PCA(n_components=0.8)
new_data = pca.fit_transform(x)
print("Selected components' explained variance ratio:", pca.explained_variance_ratio_)
print("Absolute values of PCA components:\n", abs(pca.components_))

关键逻辑说明 #

• np.argmax(cumulative_variance >= target_variance) + 1：精准定位第一个满足累计方差要求的组件数量（因数组索引从0开始，需+1匹配实际组件数）
• plt.vlines/plt.hlines：分别绘制垂直、水平辅助虚线，用红色虚线区分于主曲线
• plt.scatter：用红色圆点突出目标点，zorder=5确保点显示在最上层

内容的提问来源于stack exchange，提问作者Hose Orlando