Python PCA 主元分析绘制散点图 - 从 Excel 数据读取

以下是使用 Python 读取 Excel 文档并使用 PCA 主元分析绘制散点图的示例代码：

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

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

# 将数据标准化
df_std = (df - df.mean()) / df.std()

# 进行 PCA 主元分析
pca = PCA(n_components=2)
pca.fit(df_std)
df_pca = pca.transform(df_std)

# 绘制散点图
plt.scatter(df_pca[:, 0], df_pca[:, 1])
plt.xlabel('Principal Component 1')
plt.ylabel('Principal Component 2')
plt.show()

在这个示例中，我们首先使用 Pandas 库中的read_excel函数读取 Excel 文件，然后使用PCA类进行主元分析。我们将数据标准化，以便在进行主元分析时能够消除不同变量之间的度量单位差异。然后，我们使用transform函数将数据转换为主元分析的结果，并绘制散点图来可视化结果。