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)
【笔记】python实现PCA
最新推荐文章于 2024-08-23 17:24:51 发布
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。
摘要由CSDN通过智能技术生成