pandas输出相关系数矩阵的特征值和特征向量

要输出 Pandas 中相关系数矩阵的特征值和特征向量，可以使用 NumPy 库中的 `linalg.eig()` 函数。具体步骤如下：

1. 导入 Pandas 和 NumPy 库：

import pandas as pd
import numpy as np

2. 读取数据并计算相关系数矩阵：

df = pd.read_csv('data.csv')
corr_matrix = df.corr()

3. 计算特征值和特征向量：

eig_vals, eig_vecs = np.linalg.eig(corr_matrix)

其中，`eig_vals` 是一个包含特征值的一维数组，`eig_vecs` 是一个包含特征向量的二维数组。特征向量矩阵的每一列都对应一个特征向量，特征值是特征向量的重要程度指标。

4. 输出特征值和特征向量：

print("特征值：", eig_vals)
print("特征向量：", eig_vecs)

输出结果类似于：

特征值： [2.23856353 0.65834613 0.39963434]
特征向量： [[ 0.81914538  0.56248176 -0.11058677]
             [-0.57146339  0.66731079 -0.47822458]
             [-0.04077196 -0.48843317 -0.87174943]]

特征值表示了每个特征向量的重要程度，特征向量表示了每个特征的方向。可以根据特征值大小排序，选择最大的几个特征向量作为主成分，从而实现数据降维。