前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >PCA in Python

PCA in Python

作者头像
陆勤_数据人网
发布2019-12-31 14:59:52
1K0
发布2019-12-31 14:59:52
举报
文章被收录于专栏:数据科学与人工智能

01

PCA in Python

本文介绍如下内容:

1 构建可以用PCA的数据集

2 利用scikit-learn库的PCA函数做PCA工作

3 计算每个主成分的方差

4 利用matplotlib库做PCA图

5 通过loading scores分析变量的影响度

02

构建数据集

导入Python库

代码

代码语言:javascript
复制
import random as rd
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

from sklearn.decomposition import PCA
from sklearn import preprocessing

import warnings
warnings.filterwarnings('ignore')

生成数据集

代码

代码语言:javascript
复制
genes = ['gene' + str(i) for i in range(1, 101)]
wt = ['wt' + str(i) for i in range(1, 6)]
ko = ['ko' + str(i) for i in range(1, 6)]

data = pd.DataFrame(columns=[*wt, *ko], index=genes)

for gene in data.index:
    data.loc[gene, 'wt1':'wt5'] = np.random.poisson(lam=rd.randrange(10, 1000), size=5)
    data.loc[gene, 'ko1':'ko5'] = np.random.poisson(lam=rd.randrange(10, 1000), size=5)

print(data.head())

结果

03

对数据集做PCA

利用sklearn库的PCA函数对数据集做PCA,进行PCA之前,对数据集做scale处理。

代码

代码语言:javascript
复制
scaled_data = preprocessing.scale(data.T)

pca = PCA()
pca.fit(scaled_data)
pca_data = pca.transform(scaled_data)

04

计算每个主成分的方差

计算每个主成分的方差和方差贡献度。

代码

代码语言:javascript
复制
# 计算每个主成分的方差
per_var = np.round(pca.explained_variance_, decimals=2)
print(per_var)
# 计算每个主成分方差的贡献度
per_var1 = np.round(pca.explained_variance_ratio_*100, decimals=1)
print(per_var1)

结果

05

PCA可视化

利用matplot库对PCA结果做可视化分析

代码

代码语言:javascript
复制
labels = ['PC' + str(x) for x in range(1, len(per_var) + 1)]
plt.bar(x=range(1, len(per_var1) + 1), height=per_var1, tick_label=labels)
plt.ylabel(u'方差贡献度', fontproperties='SimHei', fontsize=16)
plt.xlabel(u'主成分', fontproperties='SimHei', fontsize=16)
plt.title(u'Scree Plot', fontproperties='SimHei', fontsize=16)
plt.show()

结果

代码

代码语言:javascript
复制
pca_df = pd.DataFrame(pca_data, index=[*wt, *ko], columns=labels)

plt.scatter(pca_df.PC1, pca_df.PC2)
plt.title(u'PCA 图', fontproperties='SimHei', fontsize=16)
plt.xlabel(u'PC1 -{0}%'.format(per_var[0]))
plt.ylabel(u'PC2 -{0}%'.format(per_var[1]))

for sample in pca_df.index:
    plt.annotate(sample, (pca_df.PC1.loc[sample], pca_df.PC2.loc[sample]))
plt.show()

结果

06

通过loading score分析变量影响度

通过第一主成分的loading score分析变量的影响度,即那些基因对第一主成分有着显著影响。

代码

代码语言:javascript
复制
loading_scores = pd.Series(pca.components_[0], index=genes)
sorted_loading_scores = loading_scores.abs().sort_values(ascending=False)

top_10_genes = sorted_loading_scores[0:10].index.values
print(top_10_genes)
print(loading_scores[top_10_genes])

结果

思考题:

1 Python做PCA和R做PCA有什么差异?

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-12-29,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 数据科学与人工智能 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档