### 使用 Python 对数据表中的特定变量执行主成分分析 (PCA) 以下是使用 Python 对数据表中的特定变量执行主成分分析 (PCA) 的详细说明和代码示例： #### 1. 数据预处理 在 PCA 分析之前，需要对数据进行预处理。通常包括去中心化（均值归零）和标准化（方差为 1）。这可以通过 `StandardScaler` 实现[^1]。 ```python from sklearn.preprocessing import StandardScaler # 假设 data 是 Pandas DataFrame，selected_columns 是要分析的列名列表 data_subset = data[selected_columns] # 标准化数据 scaler = StandardScaler() data_scaled = scaler.fit_transform(data_subset) ``` #### 2. 计算协方差矩阵 虽然 `sklearn` 的 PCA 实现会自动计算协方差矩阵并完成特征值分解，但手动实现可以加深理解[^4]。如果直接使用 `sklearn`，则无需显式计算协方差矩阵。 #### 3. 进行特征值分解 通过特征值分解确定主成分方向。`sklearn` 提供了简洁的接口来完成这一过程[^2]。 ```python from sklearn.decomposition import PCA # 初始化 PCA 模型，指定降维后的维度数 pca = PCA(n_components=2) # 将数据降维到 2 维 # 应用 PCA principal_components = pca.fit_transform(data_scaled) ``` #### 4. 结果解释与可视化 PCA 的结果可以通过主成分得分矩阵表示，并且可以进一步可视化以观察数据分布[^3]。 ```python import matplotlib.pyplot as plt # 创建一个新的 DataFrame 来存储主成分 principal_df = pd.DataFrame(data=principal_components, columns=['Principal Component 1', 'Principal Component 2']) # 可视化主成分 plt.figure(figsize=(8, 6)) plt.scatter(principal_df['Principal Component 1'], principal_df['Principal Component 2'], alpha=0.5) plt.xlabel('Principal Component 1') plt.ylabel('Principal Component 2') plt.title('2D PCA') plt.show() ``` #### 5. 解释方差贡献率 通过查看每个主成分解释的方差比例，可以评估降维的效果。 ```python explained_variance_ratio = pca.explained_variance_ratio_ print(f"Explained Variance Ratio: {explained_variance_ratio}") ``` 完整代码如下： ```python import pandas as pd from sklearn.preprocessing import StandardScaler from sklearn.decomposition import PCA import matplotlib.pyplot as plt # 假设 data 是 Pandas DataFrame，selected_columns 是要分析的列名列表 data_subset = data[selected_columns] # 标准化数据 scaler = StandardScaler() data_scaled = scaler.fit_transform(data_subset) # 初始化 PCA 模型 pca = PCA(n_components=2) # 将数据降维到 2 维 principal_components = pca.fit_transform(data_scaled) # 创建主成分 DataFrame principal_df = pd.DataFrame(data=principal_components, columns=['Principal Component 1', 'Principal Component 2']) # 可视化主成分 plt.figure(figsize=(8, 6)) plt.scatter(principal_df['Principal Component 1'], principal_df['Principal Component 2'], alpha=0.5) plt.xlabel('Principal Component 1') plt.ylabel('Principal Component 2') plt.title('2D PCA') plt.show() # 输出方差贡献率 explained_variance_ratio = pca.explained_variance_ratio_ print(f"Explained Variance Ratio: {explained_variance_ratio}") ``` ### 注意事项 - 确保输入数据中没有缺失值，否则需要提前处理。 - 如果数据包含分类变量，需将其转换为数值形式（如独热编码）后再进行 PCA[^1]。