Python数据预处理：使用 PCA 进行降维 读入 heart.csv 文件，用 PCA 方法进行降维，要求输出特征向量、维度压缩的数量（依 据是什么）以及降维后的结果。

3. 使用 PCA 进行降维
   读入 heart.csv 文件，用 PCA 方法进行降维，要求输出特征向量、维度压缩的数量（依
   据是什么）以及降维后的结果。
   

附上源代码：

import pandas as pd
import numpy as np
from sklearn.decomposition import PCA
data = pd.read_csv(r'heart.csv',header=None,delimiter=' ')
pca = PCA()
pca.fit(data)
print('特征向量\n',pca.components_)
print('各个成分各自的方差百分比（贡献率）\n',pca.explained_variance_ratio_)
#特征向量的维度和长度
len(pca.components_), pca.components_.shape

# 根据计算结果，前四分主成分即达到贡献率99.77%，
pca=PCA(4)
pca.fit(data)
low_d = pca.transform(data)
print(low_d)
#计算压缩维数：
np.array(list(data.shape))-np.array(list(pca.components_.shape))
#还原
inv_result = pca.inverse_transform(low_d)
print(inv_result)   #降维有损
#贡献率99.77%,但维数不变
print(inv_result.shape)
print(data)