使用PCA特征作为X轴和Y轴绘制簇

Question

我将主成分分析应用于数据帧，以便基于K-均值绘制聚类。因为我的原始df中有24个特性，所以我不想每次只基于3个或3个特性来绘制集群。所以我想做的是，绘制这些特征的组合，得到集群中每个特征的更一般/更具代表性的图形表示

我使用pca.components_提取了组件，并创建了以下组件的df：

                         PC-1       PC-2
media_bi_mov         0.003094   0.050599
media_bi_post        0.000762   0.028931
total_mov_prod_300   0.000836   0.573675
codsprod_0           0.440476  -0.004404
codsprod_1           0.008005   0.105349
codsprod_2           0.002851   0.042459
codsprod_3           0.001078   0.009355
codsprod_4          -0.011922  -0.022020
idaplic_0            0.392229  -0.002817
idaplic_1            0.003001   0.004822
idaplic_2            0.044730  -0.001148
idaplic_3            0.097695  -0.008628
idaplic_4            0.024273   0.486973
idaplic_5            0.234798  -0.033369
idaplic_6            0.019329   0.015455
idempro_36           0.000401  -0.000438
idempro_38           0.032149   0.292137
idempro_49           0.439413  -0.023269
codmonsw_EUR         0.440543  -0.002770
codmonsw_USD         0.000378   0.000664
resto_codsprod       0.011406   0.011731
resto_idaplic        0.041649   0.005692
días_entre_ops      -0.011129  -0.015144
frecuencia           0.440543  -0.002770
valor_total_eur      0.000836   0.573675

通常我会使用kmeans.labels_来绘制簇，如果这是原始的df，则为每个簇应用不同的颜色。但我现在的问题是，我不能使用kmeans.labels_来区分这个pca缩减df中的每个簇，因为kmeans.labels_的长度会更大

如何应用颜色来区分此数据帧中的群集

提前谢谢

Answer 1

我没有意识到解决这个问题是如此简单：我只需要在组件df上运行kmeans，就可以得到每个主组件中每个特性的聚类标签。希望这能帮助像我一样有疑虑的人