PCA分析与Python绘图

可能重复：

---

我有这个尺寸是1940 x 4。其行为读数或样本，列为变量（温度、湿度、风速和压力）。我想进行PCA分析，并使用Python绘制其结果。情况是，我最后给出了一些技术和示例，但我不知道如何利用它们，即使我得到了PCA结果，我也不知道该怎么做。因此，我在这里寻找一个代码示例，通过它，我可以在这种数据集上用Python实现PCA分析，并了解如何解释PCA结果以及如何绘制它们。最后，如何解释绘图。非常感谢

主成分分析有助于降低数据集的维数。由于您的数据只包含四个变量，而且（据我所知）它们之间没有关联，因此我不认为PCA对任何实际分析都有价值

如果我错了，并且您真诚地希望某些变量是相关的，那么您可以使用PCA来识别最重要的4向量，这些向量捕获了大多数典型的协方差。这些是协方差矩阵的特征向量。需要四个这样的向量才能完全跨越与输入变量相同的空间

---

在测量大量变量且存在大量相互信息的系统中，主成分分析识别独立信息的重要位。我认为你的系统不是这样的

E先生的评论应该会有所帮助。此外，您似乎得到了一些非常可靠的答案（我不确定这个问题有多大不同）。我已经看到了这个示例。所有这些都说明这是如何绘制PCA。我需要知道我应该如何绘制，以及在PCA结果中绘制什么，以及如何正确地解释它们（你想要PCA做什么，因为你的数据只有4维，你还想降低维度吗？确保在一些明文编辑器中打开数据文件，在excel中打开b/c它看起来很可怕。