python因子分析法详细步骤_Python——因子分析

python-----因子分析

因子分析用Python做的一个典型例子

一、实验目的

采用合适的数据分析方法对下面的题进行解答

二、实验要求

采用因子分析方法，根据48位应聘者的15项指标得分，选出6名最优秀的应聘者。

三、代码

importpandasaspd

importnumpyasnp

importmathasmath

importnumpyasnp

fromnumpyimport*

fromscipy.statsimportbartlett

fromfactor_analyzerimport*

importnumpy.linalgasnlg

fromsklearn.clusterimportKMeans

frommatplotlibimportcm

importmatplotlib.pyplotasplt

defmain():

df=pd.read_csv("./data/applicant.csv")

# print(df)df2=df.copy()

print("\n原始数据:\n",df2)

deldf2['ID']

# print(df2)#皮尔森相关系数df2_corr=df2.corr()

print("\n相关系数:\n",df2_corr)

#热力图cmap = cm.Blues

# cmap = cm.hot_rfig=plt.figure()

ax=fig.add_subplot(111)

map = ax.imshow(df2_corr, interpolation='nearest', cmap=cmap, vmin=0, vmax=1)

plt.title('correlation coefficient--headmap')

ax.set_yticks(range(len(df2_corr.columns)))

ax.set_yticklabels(df2_corr.columns)

ax.set_xticks(range(len(df2_corr)))

ax.set_xticklabels(df2_corr.columns)

plt.colorbar(map)

plt.show()

# KMO测度defkmo(dataset_corr):

corr_inv = np.linalg.inv(dataset_corr)

nrow_inv_corr, ncol_inv_corr = dataset_corr.shape

A = np.ones((nrow_inv_corr, ncol_inv_corr))

foriinrange(0, nrow_inv_corr, 1):

forjinrange(i, ncol_inv_corr, 1):

A[i, j] = -(corr_inv[i, j]) / (math.sqrt(corr_inv[i, i] * corr_inv[j, j]))

A[j, i] = A[i, j]

dataset_corr = np.asarray(dataset_corr)

kmo_num = np.sum(np.square(dataset_corr)) - np.sum(np.square(np.diagonal(A)))

kmo_denom = kmo_num + np.sum(np.square(A)) - np.sum(np.square(np.diagonal(A)))

kmo_value = kmo_num / kmo_denom

returnkmo_value

print("\nKMO测度:", kmo(df2_corr))

#巴特利特球形检验df2_corr1 = df2_corr.values

print("\n巴特利特球形检验:", bartlett(df2_corr1[0], df2_corr1[1], df2_corr1[2], df2_corr1[3], df2_corr1[4],

df2_corr1[5], df2_corr1[6], df2_corr1[7], df2_corr1[8], df2_corr1[9],

df2_corr1[10], df2_corr1[11], df2_corr1[12], df2_corr1[13], df2_corr1[14]))

#求特征值和特征向量eig_value, eigvector = nlg.eig(df2_corr)#求矩阵R的全部特征值，构成向量eig = pd.DataFrame()

eig['names'] = df2_corr.columns

eig['eig_value'] = eig_value

eig.sort_values('eig_value', ascending=False, inplace=True)

print("\n特征值\n：",eig)

eig1=pd.DataFrame(eigvector)

eig1.columns = df2_corr.columns

eig1.index = df2_corr.columns

print("\n特征向量\n",eig1)

#求公因子个数m,使用前m个特征值的比重大于85%的标准，选出了公共因子是五个forminrange(1, 15):

ifeig['eig_value'][:m].sum() / eig['eig_value'].sum() >= 0.85:

print("\n公因子个数:", m)

break#因子载荷阵A = np.mat(np.zeros((15, 5)))

i = 0

j = 0

whilei < 5:

j = 0

whilej < 15:

A[j:, i] = sqrt(eig_value[i]) * eigvector[j, i]

j = j + 1

i = i + 1

a = pd.DataFrame(A)

a.columns = ['factor1','factor2','factor3','factor4','factor5']

a.index = df2_corr.columns

print("\n因子载荷阵\n", a)

fa = FactorAnalyzer(n_factors=5)

fa.loadings_ = a

# print(fa.loadings_)print("\n特殊因子方差:\n", fa.get_communalities())#特殊因子方差，因子的方差贡献度，反映公共因子对变量的贡献var = fa.get_factor_variance()#给出贡献率print("\n解释的总方差(即贡献率):\n", var)

#因子旋转rotator = Rotator()

b = pd.DataFrame(rotator.fit_transform(fa.loadings_))

b.columns = ['factor1','factor2','factor3','factor4','factor5']

b.index = df2_corr.columns

print("\n因子旋转:\n", b)

#因子得分X1 = np.mat(df2_corr)

X1 = nlg.inv(X1)

b = np.mat(b)

factor_score = np.dot(X1, b)

factor_score = pd.DataFrame(factor_score)

factor_score.columns = ['factor1','factor2','factor3','factor4','factor5']

factor_score.index = df2_corr.columns

print("\n因子得分：\n", factor_score)

fa_t_score = np.dot(np.mat(df2), np.mat(factor_score))

print("\n应试者的五个因子得分：\n",pd.DataFrame(fa_t_score))

#综合得分wei = [[0.50092], [0.137087], [0.097055], [0.079860], [0.049277]]

fa_t_score = np.dot(fa_t_score, wei) / 0.864198

fa_t_score = pd.DataFrame(fa_t_score)

fa_t_score.columns = ['综合得分']

fa_t_score.insert(0,'ID', range(1, 49))

print("\n综合得分：\n", fa_t_score)

print("\n综合得分：\n", fa_t_score.sort_values(by='综合得分', ascending=False).head(6))

plt.figure()

ax1=plt.subplot(111)

X=fa_t_score['ID']

Y=fa_t_score['综合得分']

plt.bar(X,Y,color="#87CEFA")

# plt.bar(X, Y, color="red")plt.title('result00')

ax1.set_xticks(range(len(fa_t_score)))

ax1.set_xticklabels(fa_t_score.index)

plt.show()

fa_t_score1=pd.DataFrame()

fa_t_score1=fa_t_score.sort_values(by='综合得分',ascending=False).head()

ax2 = plt.subplot(111)

X1 = fa_t_score1['ID']

Y1 = fa_t_score1['综合得分']

plt.bar(X1, Y1, color="#87CEFA")

# plt.bar(X1, Y1, color='red')plt.title('result01')

plt.show()

if__name__ =='__main__':

main()

四、实验步骤

(1)引入数据，数据标准化

因为数据是面试中的得分，量纲相同，并且数据的分布无异常值，所以数据可以不进行标准化。

(2)建立相关系数矩阵

计算皮尔森相关系数，从热图中可以明显看出变量间存在的相关性。

进行相关系数矩阵检验——KMO测度和巴特利特球体检验：

KMO值：0.9以上非常好；0.8以上好；0.7一般；0.6差；0.5很差；0.5以下不能接受；巴特利球形检验的值范围在0-1，越接近1，使用因子分析效果越好。

通过观察上面的计算结果，可以知道，KMO值为0.783775605643526，在较好的范围内，并且巴特利球形检验的值接近1，所有可以使用因子分析。

(3)求解特征值及相应特征向量

求公因子个数m,使用前m个特征值的比重大于85%的标准，选出了公共因子是五个。

(4)因子载荷阵

由上可以看出，选择5个公共因子，从方差贡献率可以看出，其中第一个公因子解释了总体方差的50.092%，四个公共因子的方差贡献率为86.42%，可以较好的解释总体方差。

(5)因子旋转

(6)因子得分

(7)根据应聘者的五个因子得分，按照贡献率进行加权，得到最终各应试者的综合得分，然后选出前六个得分最高的应聘者。

所以我们用因子分析产生的前六名分别是：40，39，22，2，10，23