import pandas as pd from sklearn.decomposition import PCA # 读取Excel数据 data = pd.read_excel('C:/Users/86178/Desktop/test/test/TF-IDF/SSG hole span版.xlsx') # 提取特征列 feature_columns = ["Bridge length (m)", "Pier type", "Foundation type", "Hole", "Span (m)", "Bearing type", "Plane linear"] X = data[feature_columns] # 使用PCA进行降维 pca = PCA(n_components=1) X_pca = pca.fit_transform(X) # 将降维后的特征列设为X X = X_pca # 打印降维后的特征列 print(X)
时间: 2024-04-19 14:30:38 浏览: 76
初始化信息-详解pandas库pd.read_excel操作读取excel文件参数整理与实例
这段代码是用于读取Excel数据并进行PCA降维的示例代码。它假设Excel文件路径为"C:/Users/86178/Desktop/test/test/TF-IDF/SSG hole span版.xlsx",并从中提取了名为"Bridge length (m)"、"Pier type"、"Foundation type"、"Hole"、"Span (m)"、"Bearing type"和"Plane linear"的特征列。
然后,使用PCA进行降维,将特征列维度减少为1。最后,将降维后的特征列赋值给变量X,并打印出来。
请确保已安装pandas和sklearn库,并将Excel文件路径更改为你实际的文件路径。运行代码后,你将看到降维后的特征列的输出结果。
阅读全文