求鸢尾花数据集1D PCA降维可视化按类别着色的Python代码

我已使用PCA将鸢尾花（iris）数据集降维至1D，编写了基础1D绘图代码，且参考过Stack Overflow上的《1D plot matplotlib》问题。现希望参考自己实现的2D降维按类别着色绘图代码，为1D可视化中的数据点按setosa、versicolor、virginica三个类别着色，请求对应的实现代码。

现有1D降维绘图代码 #

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

# 加载数据集
iris = datasets.load_iris()
X = iris.data
Y = iris.target

# PCA降维至1D
pca = PCA(n_components=1, whiten=False)
transformed = pca.fit_transform(X)

# 绘制基础1D图
plt.figure(figsize=(10, 2))
plt.hlines(1, -10, 20)  # 绘制水平线
plt.xlim(-5, 5)
plt.ylim(0.8, 1.2)

y = np.ones(np.shape(transformed))   # 所有点的y值设为1
plt.plot(transformed, y, 'x', ms=10)  # 绘制所有数据点
plt.show()

参考的2D降维按类别着色代码 #

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

# 加载数据集
iris = datasets.load_iris()
X = iris.data
Y = iris.target

# PCA降维至2D
pca = PCA(n_components=2, whiten=False)
transformed = pca.fit_transform(X)

# 按类别着色绘图
for label in np.unique(Y):
    if label == 0:
        c = "red"
    elif label == 1:
        c = "blue"
    elif label == 2:
        c = "green"
    else:
        pass
    plt.scatter(transformed[Y == label, 0],
                transformed[Y == label, 1],
                c=c)
plt.title('主成分分析结果')
plt.xlabel('主成分1')
plt.ylabel('主成分2')
plt.show()

实现按类别着色的1D绘图代码 #

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

# 加载数据集
iris = datasets.load_iris()
X = iris.data
Y = iris.target

# PCA降维至1D
pca = PCA(n_components=1, whiten=False)
transformed = pca.fit_transform(X)

# 设置绘图参数
plt.figure(figsize=(10, 2))
plt.hlines(1, -10, 20, color='gray')  # 绘制灰色水平线
plt.xlim(-5, 5)
plt.ylim(0.8, 1.2)
plt.title('鸢尾花数据集1D PCA降维（按类别着色）')
plt.xlabel('主成分1')

# 定义类别与颜色映射
label_color_map = {
    0: 'red',    # setosa
    1: 'blue',   # versicolor
    2: 'green'   # virginica
}

# 按类别循环绘制数据点
for label in np.unique(Y):
    # 获取当前类别的数据点
    class_points = transformed[Y == label, 0]
    # 生成对应长度的y值（固定为1）
    y = np.ones(len(class_points))
    # 绘制当前类别的点，指定颜色和标记
    plt.plot(class_points, y, 'x', ms=10, color=label_color_map[label], label=iris.target_names[label])

# 添加图例
plt.legend(loc='upper right')
plt.show()

内容的提问来源于stack exchange，提问作者rrkk