加上因子综合分析的完整代码呢

好的，下面是一个完整的因子分析示例代码，包括因子提取、因子旋转和因子得分计算：

import pandas as pd
import numpy as np
from sklearn.decomposition import FactorAnalysis
from factor_analyzer import Rotator

# 读取数据
data = pd.read_csv("data.csv")

# 提取数据矩阵
df = data.iloc[:, 1:].values

# 因子提取
fa = FactorAnalysis(n_components=6, random_state=0)
fa.fit(df)

# 获取公因子方差
cov = fa.get_covariance()
communalities = np.diag(cov)
print("公因子方差:\n", communalities)

# 获取解释的总方差（即贡献率）
variance_ratio = 1 - fa.noise_variance_ / np.trace(cov)
print("\n解释的总方差（即贡献率）:\n", variance_ratio)

# 因子旋转
rotator = Rotator(method="varimax")
rotated_loadings = rotator.fit_transform(fa.components_)

# 输出因子载荷矩阵
print("\n因子载荷矩阵：")
print(pd.DataFrame(rotated_loadings, columns=data.columns[1:]))

# 计算因子得分
factor_scores = fa.transform(df)
print("\n因子得分：")
print(pd.DataFrame(factor_scores, columns=["Factor 1", "Factor 2", "Factor 3", "Factor 4", "Factor 5", "Factor 6"]))

在上面的代码中，`data.csv` 是一个包含多个变量的数据文件，其中第一列是样本 ID。代码中先读取数据文件，并提取出数据矩阵 `df`。然后使用 `FactorAnalysis` 类执行因子提取，并使用 `Rotator` 类执行因子旋转。最后计算因子得分并输出结果。

注意，上面的代码中使用了 `factor_analyzer` 包中的 `Rotator` 类来执行因子旋转，这个包需要使用 `pip install factor_analyzer` 安装。如果你不想使用这个包，可以使用 `sklearn` 库中的 `PCA` 类来进行因子旋转。