主成分分析

主成分的计算步骤如下：

1. 对数据进行标准化

2. 计算样本的协方差矩阵 ;

3. 计算协差阵的特征根与特征向量 ;

4. 计算每个特征值的贡献率；

5. 计算特征值累积贡献，选出主成分。

import pandas as pd
import numpy as np
from sklearn import preprocessing
df=pd.read_csv(r"rna.csv", encoding='gbk', index_col=0)
df=df.T #读入数据

X= preprocessing.scale(df)#中心标准化
cov=np.dot(X.T,X)#协方差阵
#求特征值w和特征向量v
w,v=np.linalg.eig(cov)

sum_lambda = np.sum(w)
f = np.divide(w, sum_lambda)# 每个特征值的贡献率（特征值 / 总和）
#求特征值的累计贡献度
lg = np.cumsum(f)
#选出主成分
k=[i for i in range(len(lg)) if lg[i]<0.85]#将满足if条件的值放入数组k中

k = list(k)
for i in range(len(lg)):
    if lg[i]>=0.85:
    print("----贡献值----")
    print(lg[i])
    break

print("————————选出主成分——————————")
k = list(k)
print(k)