Python 基于sklearn和panda的主成分分析

我试图在这里（）重现PCA教程中的结果，但遇到了一些问题

据我所知，我正在遵循应用PCA的步骤。但是我的结果与教程中的不一样（或者可能是这样，我不能正确地解释它们？）。当n_分量=4时，我得到下图。我可能在某个地方遗漏了一些东西，我还添加了迄今为止的代码

我的第二个问题是关于注释图形中的点，我有标签，我希望每个点都有相应的标签。我试过一些东西，但到目前为止没有成功

我还添加了数据集，并将其保存为CSV：

，奶酪，胴体肉，其他肉类，鱼，脂肪和油，糖，新鲜土豆，新鲜蔬菜，其他蔬菜，加工土豆，加工蔬菜，新鲜水果，谷物，饮料，软饮料，酒精饮料，糖果 英格兰1052456851471931567205348819836011021472,571374375,54 威尔士，103227803160235175874265570020336511371582,731256475,64 苏格兰，1032427501221841475671418220379571462,531572458,62 尼兰，66267586,9320913910331433551873346741494,471506135,41

对这两个问题有什么想法吗

`

`你可以试试这个

import pandas as pd

import matplotlib.pyplot as plt

from sklearn import decomposition

# use your data file path here
demo_df = pd.read_csv(file_path)
demo_df.set_index('Unnamed: 0', inplace=True)

target_names = demo_df.index.values
tran_ne = demo_df.values

pca = decomposition.PCA(n_components=4)
pcomp = pca.fit_transform(tran_ne)
pcomp1 = pcomp[:,0]

fig, ax = plt.subplots()
ax.scatter(x=pcomp1[0], y=0, c='r', label=target_names[0])
ax.scatter(x=pcomp1[1], y=0, c='g', label=target_names[1])
ax.scatter(x=pcomp1[2], y=0, c='b', label=target_names[2])
ax.scatter(x=pcomp1[3], y=0, c='k', label=target_names[3])
ax.legend(loc='best')

你可以试试这个

import pandas as pd

import matplotlib.pyplot as plt

from sklearn import decomposition

# use your data file path here
demo_df = pd.read_csv(file_path)
demo_df.set_index('Unnamed: 0', inplace=True)

target_names = demo_df.index.values
tran_ne = demo_df.values

pca = decomposition.PCA(n_components=4)
pcomp = pca.fit_transform(tran_ne)
pcomp1 = pcomp[:,0]

fig, ax = plt.subplots()
ax.scatter(x=pcomp1[0], y=0, c='r', label=target_names[0])
ax.scatter(x=pcomp1[1], y=0, c='g', label=target_names[1])
ax.scatter(x=pcomp1[2], y=0, c='b', label=target_names[2])
ax.scatter(x=pcomp1[3], y=0, c='k', label=target_names[3])
ax.legend(loc='best')

---

您上载的csv文件似乎缺少一些“\n”。pd.read\u csv无法读取它。你能发送一个原始文件的链接吗？或者使用pd.to_csv（）保存数据并上传到这里？哦，当然。这是您上载的csv文件似乎缺少一些“\n”。pd.read\u csv无法读取它。你能发送一个原始文件的链接吗？或者使用pd.to_csv（）保存数据并上传到这里？哦，当然。这是您上载的csv文件似乎缺少一些“\n”。pd.read\u csv无法读取它。你能发送一个原始文件的链接吗？或者使用pd.to_csv（）保存数据并上传到这里？哦，当然。这是文件，我认为这不是正确的方法。与示例（英国饮食部分）一样，维度是食品类别，观察结果是英国的4个国家。所以它应该看起来像那个教程上的图表。Buuut我搞砸了一些事情，数值都错了。同意。对不起，我弄错了。我很快就会纠正这个问题的。数据为4次观测的17维（特征）。那么您不应该在demo_df.t中通过使用转置。在scikit学习中，假设每个功能都是一列，每个obs都是一行。是的，谢谢。你是对的。我看得太多了，有点晚了。另外，我并不想在图形上添加文本，我希望每个点都有一个标签，就像示例中的图形一样。我试过这样做：plt.figure（）代表c，target_name在zip中（'r'，target_name）：plt.scatter（comps[：，0]，comps[：，1]，c=c，label=target_name），但它只接受颜色，不接受标签…我认为这不是正确的方法。与示例（英国饮食部分）一样，维度是食品类别，观察结果是英国的4个国家。所以它应该看起来像那个教程上的图表。Buuut我搞砸了一些事情，数值都错了。同意。对不起，我弄错了。我很快就会纠正这个问题的。数据为4次观测的17维（特征）。那么您不应该在demo_df.t中通过使用转置。在scikit学习中，假设每个功能都是一列，每个obs都是一行。是的，谢谢。你是对的。我看得太多了，有点晚了。另外，我并不想在图形上添加文本，我希望每个点都有一个标签，就像示例中的图形一样。我试过这样做：plt.figure（）代表c，target_name在zip中（'r'，target_name）：plt.scatter（comps[：，0]，comps[：，1]，c=c，label=target_name），但它只接受颜色，不接受标签…我认为这不是正确的方法。与示例（英国饮食部分）一样，维度是食品类别，观察结果是英国的4个国家。所以它应该看起来像那个教程上的图表。Buuut我搞砸了一些事情，数值都错了。同意。对不起，我弄错了。我很快就会纠正这个问题的。数据为4次观测的17维（特征）。那么您不应该在demo_df.t中通过使用转置。在scikit学习中，假设每个功能都是一列，每个obs都是一行。是的，谢谢。你是对的。我看得太多了，有点晚了。另外，我并不想在图形上添加文本，我希望每个点都有一个标签，就像示例中的图形一样。我这样尝试过：plt.figure（）表示c，target\u name在zip中（'r'，target\u name）：plt.scatter（comps[：，0]，comps[：，1]，c=c，label=target\u name），但它只接受颜色，而不接受标签。。。