嘿，作为Python绘图新手完全懂这种花了好久还是卡壳的感觉！我来帮你搞定这个图例显示的问题～

你现在的问题核心是：直接用plt.scatter的c参数指定类别时，Matplotlib没法自动识别每个颜色对应的类别标签，所以图例没法正常显示。这是因为c参数只是把类别数值映射成颜色，但没有明确告诉绘图工具“每个数值对应一个独立类别”。

给你两种新手友好的解决方案：

方法一：Matplotlib原生循环绘制（最直观） #

手动为每个类别单独绘制散点，让每个类别对应一个图例条目，逻辑清晰好理解：

import matplotlib.pyplot as plt

# 定义你的类别列表（根据你的数据是[0,1,2]）
categories = [0, 1, 2]
# 可选：自定义每个类别的颜色，也可以让Matplotlib自动分配
category_colors = ['#FF6B6B', '#4ECDC4', '#45B7D1']

plt.figure(figsize=(15,8))
# 循环每个类别，筛选对应数据并绘制
for cat, color in zip(categories, category_colors):
    # 筛选出当前类别的所有数据点
    category_points = reduced_dataset[y.Gender == cat]
    # 绘制散点时指定label，这是图例显示的关键！
    plt.scatter(category_points[:, 0], category_points[:, 1], 
                color=color, label=f'类别 {cat}')

plt.xlabel('PC 1')
plt.ylabel('PC 2')
# 给图例加个标题，更清晰
plt.legend(title='类别标签')
# 别忘了加这句！你原来的代码没写，可能也会导致图无法正常显示
plt.show()

方法二：用Seaborn简化代码（更省心） #

如果愿意用Seaborn库，一行代码就能自动识别类别并生成图例，省去循环的麻烦：

先确保安装Seaborn：pip install seaborn

然后运行以下代码：

import seaborn as sns
import matplotlib.pyplot as plt

plt.figure(figsize=(15,8))
# 使用scatterplot，hue参数直接指定类别列，自动生成图例
sns.scatterplot(x=reduced_dataset[:,0], y=reduced_dataset[:,1], 
                hue=y.Gender, palette='Set2')
plt.xlabel('PC 1')
plt.ylabel('PC 2')
plt.legend(title='类别标签')
plt.show()

另外提醒下：你原来代码最后有个plt.figure()，这会创建一个空的新图，建议删掉换成plt.show()，才能正常显示你画的PCA散点图。

内容的提问来源于stack exchange，提问作者m_fer23