prince 0.6.3

1. 您所在的位置：
2. Python中文网 >
3. pypi >
4. prince库 >
5. 正文

prince的Python项目详细描述

< div >

< BR>< div >

Prince是一个进行因子分析的库。这包括多种方法，包括主成分分析（PCA）和对应分析（CA）。我们的目标是为每个算法提供一个高效的实现以及一个scikit学习api。

目录

• 安装
• 用法
  • 指南
  • 主成分分析（PCA）
  • 通信分析（CA）
  • 多对应分析（MCA）
  • 多因素分析（MFA）
  • 混合数据的因子分析famd rel="nofollow">混合数据的因子分析（famd）
• 走得更快
• 许可证

安装

：警告：prince只与python 3兼容

：snake：虽然这不是一项要求，但强烈建议您使用蟒蛇。

通过PYPI

>>> pip install prince  # doctest: +SKIP

通过Github获取最新开发版本

>>> pip install git+https://github.com/MaxHalford/Prince  # doctest: +SKIP

除了水蟒身上常见的嫌疑犯（sklearn，pandas，matplotlib）之外，普林斯没有任何额外的依赖关系。

用法

importnumpyasnp;np.random.set_state(42)# This is for doctests reproducibility

指南

prince提供的每个估计器扩展了scikit learn的transformermixin。这意味着每一个估计或者实现一个fit和一个transform方法，使它们在转换管道中可用。fit方法实际上是返回行主成分的row_principal_components方法的别名。但是，您也可以使用列主体组件来访问列主体组件

Hood Prince使用随机版本的SVD。这比使用更常见的完整方法要快得多。然而，结果可能有一个小的内在随机性。对于大多数应用程序，这并不重要，您不必担心它。但是，如果您想要可重复的结果，则应设置random_state参数。

SVD的随机版本是一种迭代方法。由于prince的每个算法都使用svd，所以它们都有一个n_iter参数来控制用于计算svd的迭代次数。一方面，数值越高，结果就越精确。另一方面，增加n_iter会增加计算时间。一般来说，该算法收敛速度非常快，因此建议使用低n_iter（这是默认行为）。

根据您的情况，您应该使用每种方法：

• 所有变量都是数字：使用主成分分析（prince.pca）
• 您有一个列联表：使用对应关系分析（prince.ca）
• 您有两个以上的变量，它们都是分类的：使用多对应分析（prince.mca）
• 有一组分类变量或数值变量：使用多因素分析（prince.mfa）
• 你有分类变量和数值变量：使用混合数据的因子分析（prince.famd）

下一小节将概述每个方法以及用法信息。如果您想深入研究，下面的论文将对因子分析领域进行一个很好的概述：

• 主成分分析教程
• 通信分析理论
• 寻找随机结构：构造近似矩阵分解的概率算法
• 多对应分析的计算，代码位于r
• 奇异值分解教程
• 多因素分析

主成分分析（PCA）

如果使用pca，则假定数据帧由连续的数值变量组成。在本例中，我们将使用虹膜花数据集。

>>>importpandasaspd>>>importprince>>>fromsklearnimportdatasets>>>X,y=datasets.load_iris(return_X_y=True)>>>X=pd.DataFrame(data=X,columns=['Sepal length','Sepal width','Petal length','Petal width'])>>>y=pd.Series(y).map({0:'Setosa',1:'Versicolor',2:'Virginica'})>>>X.head()SepallengthSepalwidthPetallengthPetalwidth05.13.51.40.214.93.01.40.224.73.21.30.234.63.11.50.245.03.61.40.2

pca类实现scikit learn的fit/transformapi。在调用fit方法之前，必须在初始化时传递参数。

>>>pca=prince.PCA(...n_components=2,...n_iter=3,...rescale_with_mean=True,...rescale_with_std=True,...copy=True,...check_input=True,...engine='auto',...random_state=42...)>>>pca=pca.fit(X)

可用参数为：

• n_components：计算的组件数。如果你想做一个图表，你只需要两个。
• n_iter：用于计算svd的迭代次数
• 用"平均值"重新缩放：是否减除每列的平均值
• 用std重新缩放：是否用标准偏差除以每一列n
• 复制：如果false则计算将就地完成，这可能对输入数据产生副作用
• 引擎：要使用的SVD引擎（应该是['auto'，'fbpca'，'sklearn']之一）
• 随机状态：控制SVD结果的随机性。

一旦pca被拟合，它就可以用来提取行主坐标，如下所示：

>>>pca.transform(X).head()# Same as pca.row_coordinates(X).head()010-2.2647030.4800271-2.080961-0.6741342-2.364229-0.3419083-2.299384-0.5973954-2.3898420.646835

每一列代表一个主组件，而每一行代表原始数据集中的一行。您可以使用绘图行坐标显示这些投影方法：

>>>ax=pca.plot_row_coordinates(...X,...ax=None,...figsize=(6,6),...x_component=0,...y_component=1,...labels=None,...color_labels=y,...ellipse_outline=False,...ellipse_fill=True,...show_points=True...)>>>ax.get_figure().savefig('images/pca_row_coordinates.svg')

< div >