import pandas as pd from sklearn.decomposition import PCA import matplotlib.pyplot as plt

读取Excel表格

data = pd.read_excel('C:\Users\lenovo\Desktop\HIV\GSE6740GSE50011基因降低\data1.xlsx') X = data.iloc[:, 1:].values # 影响因素 y = data.iloc[:, 0].values # 因变量

主成分分析算法

pca = PCA(n_components=6) pca.fit(X) X_pca = pca.transform(X)

输出前6个重要变量名称

important_vars = [list(data.columns)[i] for i in range(1,7)] print("前6个重要变量名称：", important_vars)

图形可视化展示

plt.figure(figsize=(10, 5)) plt.scatter(X_pca[:, 0], X_pca[:, 1], c=y, cmap='viridis') plt.xlabel('PC1') plt.ylabel('PC2') plt.colorbar() plt.show()