Python Excel数据分析：分类统计与PCA可视化

Python Excel数据分析：分类统计与PCA可视化

本示例演示如何使用Python读取Excel文件，对指定列数据进行分类统计，并利用PCA算法实现数据降维及可视化。

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

# 读取Excel文件
df = pd.read_excel('data.xlsx')

# 选择需要分析的列
column_name = 'Category'
data = df[column_name]

# 统计不同类别的数量
count_dict = {}
for d in data:
    if d in count_dict:
        count_dict[d] += 1
    else:
        count_dict[d] = 1

# 输出统计结果
print('统计结果：')
for k, v in count_dict.items():
    print(k, v)

# 使用PCA算法将数据降维至二维
pca = PCA(n_components=2)
X = pca.fit_transform(df.values)

# 绘制散点图
plt.scatter(X[:, 0], X[:, 1], c=data.cat.codes)
plt.xlabel('主成分 1')
plt.ylabel('主成分 2')
plt.title('PCA散点图')
plt.show()

代码解析：

1. 数据读取与准备: 使用pandas读取Excel文件，并提取目标列数据。
2. 分类统计: 遍历目标列数据，统计每个类别出现的次数。
3. PCA降维: 应用PCA算法将数据降至二维，方便可视化。
4. 散点图绘制: 使用matplotlib绘制散点图，不同类别用不同颜色区分，直观展示数据分布。

本示例可帮助您:

• 了解如何使用Python进行Excel数据分析。
• 学习如何对数据进行分类统计。
• 掌握PCA算法进行数据降维和可视化。