补全PCA代码：import numpy as npdef PCAXk # 输入参数： # X 每一行对应一个样本的特征向量每一列对应一个特征 # k：选取的主成分数量 # 输出参数： # W降维矩阵 n = Xshape0 ######### 需要你完成 ######### # 1 计算数据的均值向量mu mu = # 2 计算数据的

import numpy as np

def PCA(X,k): # 输入参数： # X: 每一行对应一个样本的特征向量，每一列对应一个特征 # k：选取的主成分数量

# 输出参数：
# W:降维矩阵

n = X.shape[0]

######### 需要你完成: #########
# 1. 计算数据的均值向量mu
mu = np.mean(X, axis=0)
# 2. 计算数据的协方差矩阵S
S = np.cov(X.T)
# 3. 对S进行特征值分解，求得其特征值L以及对应的特征向量U
L,U = np.linalg.eig(S)
# 4. 选取L中前k个最大的特征值所对应的特征向量构成降维矩阵W
idx = np.argsort(L)[::-1][:k]
W = U[:, idx]
###############################

return W