【笔记】python实现PCA

最新推荐文章于 2024-08-23 17:24:51 发布

原创最新推荐文章于 2024-08-23 17:24:51 发布 · 399 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python

常见问题笔记专栏收录该内容

18 篇文章

订阅专栏

该博客主要介绍了如何使用Python的sklearn库实现PCA（主成分分析），将数据集从高维降至二维。首先，读取gb18030编码的CSV文件，并忽略特定字符。然后，将数据转换为DataFrame并进一步转化为NumPy数组。接着，通过PCA方法对数据进行处理，并将处理后的二维数据保存到新的CSV文件中。这个过程有助于数据可视化和理解数据的主要成分。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

from sklearn.decomposition import PCA
from pandas.core.frame import DataFrame
import pandas as pd
import numpy as np

l = []
# 编码格式选择更加广泛的gb18030
with open('csv路径', encoding='gb18030',errors='ignore') as fd:
    line = fd.readline()
    while line:
        if line == " ":
            continue

        # line.strip('字符')表示忽略开头的字符，若没有则line.strip()
        line = line.strip('锘')
        # csv是以','分隔的
        word = line.split(',')
        # word = line.split(',', line.strip())
        l.append(word)
        line = fd.readline()

data_l = DataFrame(l)
print(data_l)
dataMat = np.array(data_l)

# 将数据整合为2维的
pca_sk = PCA(n_components=2)
# 训练网络
newMat = pca_sk.fit_transform(dataMat)

data1 = DataFrame(newMat)
# 保存生成后的csv，不要开头，不要索引
data1.to_csv('test_PCA.csv', index=False, header=False)