使用 Python 对 `.xlsx` 文件进行因子分析的过程大致分为以下几个步骤：数据加载、数据预处理、应用因子分析模型以及结果解读。下面将详细介绍每个阶段的内容，并提供相应的代码片段。 ### 第一步：准备所需库和读取Excel文件 首先需确保安装好所有必需的第三方模块，包括但不限于 `pandas`, `numpy`, 和专门用于统计建模的 `factor_analyzer`. 如果尚未装设这些程序集，可通过pip轻松获取它们： ```bash pip install pandas numpy factor-analyzer openpyxl ``` 随后利用Pandas来导入目标电子表格内的资料表单。 ```python import pandas as pd # 加载excel文档中的工作簿sheet，默认首列为索引列0；如不需要自定义index_col=None即可。 file_path = 'example.xlsx' df_raw = pd.read_excel(file_path, sheet_name='Sheet1', index_col=0) print("原始DataFrame概览:\n", df_raw.head()) ``` ### 第二步：清洗与标准化数据 剔除掉含有空值或异常数值的样本点之后，通常还需要把各特征尺度调整一致以便于后续运算收敛更快更准。 ```python from sklearn.preprocessing import StandardScaler # 删除NA/NAN行记录（可根据实际情况选择保留插补法填补缺失值得策略） df_cleaned = df_raw.dropna() # 数据缩放至均值为零方差单位化形式 scaler = StandardScaler() scaled_data = scaler.fit_transform(df_cleaned.values) # 展现变换后的矩阵外观结构 print("\n经过Z-score归一化的数组形状:", scaled_data.shape) ``` ### 第三步：实施主成分分解(PCA)作为探索性手段之一查看初始降维效果如何 尽管严格意义上讲这并非真正的FA过程部分，但通过执行一次简略版维度缩减可以帮助我们直观感受变量间的潜在联系强度分布状况。 ```python from sklearn.decomposition import PCA import matplotlib.pyplot as plt pca_tester = PCA(n_components=.95, svd_solver="full") reduced_dims = pca_tester.fit_transform(scaled_data) explained_variance_ratio_cumsum = np.cumsum(pca_tester.explained_variance_ratio_) plt.plot(range(len(explained_variance_ratio_cumsum)), explained_variance_ratio_cumsum*100, marker='o') plt.title('累计贡献率曲线图') plt.xlabel('#PCs'); plt.ylabel('% Variance Explained'); plt.show(); ``` ### 第四步：正式建立旋转过的正交斜交型公共潜隐要素提取方案 基于前面获得的经验指导设置合理数量k个公因子数目的前提条件下正式启动经典数学框架下的估计计算任务序列... ```python from factor_analyzer.factor_analyzer import FactorAnalyzer, calculate_kmo # KMO 测试检验适不适合做 FA 分析 kmo_all,kmo_model=calculate_kmo(scaled_data) if kmo_model < 0.6: print(f"警告！Kaiser-Meyer-Olkin(KMO)度量={round(kmo_model,2)}, 小于推荐阈值0.6意味着现有样本不太适合用于此技术.") else: fa_instance = FactorAnalyzer(rotation='varimax') # varimax 最常用简单明了易懂 fa_instance.fit(scaled_data) loadings_df = pd.DataFrame(fa_instance.loadings_, columns=[f"F{i+1}" for i in range(fa_instance.get_factor_variance()[0].shape[0])]) communalities_series = pd.Series(fa_instance communality_scores(), name="Communalities") display(loadings_df.round(3).T.describe().loc[['mean','std']]) print(communalities_series.sort_values(ascending=False)) ``` 以上就是完整的一套流程概述啦～当然实际科研工作中还涉及到更多细节微调优化等问题需要结合具体领域知识背景深入探讨研究才行哦！ ---