使用 pandas 数据框进行主成分分析答案

【问题标题】：Principal components analysis using pandas dataframe使用 pandas 数据框进行主成分分析
【发布时间】：2014-06-10 12:27:51
【问题描述】：

如何根据 pandas 数据框中的数据计算主成分分析？

【问题讨论】：

标签： python pandas pca scientific-computing principal-components

【解决方案1】：

大多数sklearn 对象都可以与pandas 数据帧一起工作，这样的东西适合你吗？

import pandas as pd
import numpy as np
from sklearn.decomposition import PCA

df = pd.DataFrame(data=np.random.normal(0, 1, (20, 10)))

pca = PCA(n_components=5)
pca.fit(df)

您可以通过

访问组件本身

pca.components_

【讨论】：

这很好用。只是一个可能感兴趣的补充：与数组相反，以 DataFrame 结尾通常也很方便。为此，可以执行以下操作：pandas.DataFrame(pca.transform(df), columns=['PCA%i' % i for i in range(n_components)], index=df.index)，我已经设置 n_components=5。此外，您在代码上方的文本中有错字，“panadas”应该是“pandas”。 :)
在我的例子中，我想要的是组件，而不是转换，所以采用@Moot 的语法我使用了df = pandas.DataFrame(pca.components_)。最后要注意的是，如果您要尝试将这个新的df 与点积一起使用，请务必查看此链接：[stackoverflow.com/questions/16472729/…

【解决方案2】：

import pandas
from sklearn.decomposition import PCA
import numpy
import matplotlib.pyplot as plot

df = pandas.DataFrame(data=numpy.random.normal(0, 1, (20, 10)))

# You must normalize the data before applying the fit method
df_normalized=(df - df.mean()) / df.std()
pca = PCA(n_components=df.shape[1])
pca.fit(df_normalized)

# Reformat and view results
loadings = pandas.DataFrame(pca.components_.T,
columns=['PC%s' % _ for _ in range(len(df_normalized.columns))],
index=df.columns)
print(loadings)

plot.plot(pca.explained_variance_ratio_)
plot.ylabel('Explained Variance')
plot.xlabel('Components')
plot.show()

【讨论】：