python sklearn包中的主成分分析_sklearn主成分分析 NBA球队数据PCA降维可视化

背景：最近学习PCA降维，恰逢NAB总决赛，所以动动手看看各球队的实力分布。数据不会说谎！

数据复制后存为本地excel文件

数据样例

1.读取数据

在读取数据后，将数据分成了team_name、data_Mat两部分，这是因为前者是球队名称，不属于待降维的属性；后者是需要进行降维的26个特征(属性、维度)。

这26个特征中包含胜场数、败场数、胜率等，明显存在相互关联的属性，这就是对其进行降维处理的基础。

import pandas as pd

from sklearn.decomposition import PCA

data = pd.read_excel(r'teams_regular.xlsx') #读取常规赛数据

# data = pd.read_excel(r'teams_playoffs.xlsx')

# 对数据进行区分，首列为球队名称，其余列为多维特征数据

team_name = data.iloc[:, 0]

data_Mat = data.iloc[:, 1:]')

2. PCA降维

由于sklearn库已经提供了包装好的PCA class，所以我们无需按照 原始数据各维度数据减去均值(各维度元素期望为零)、求降维投影后各维度内的方差、求降维投影后两两维度间的协方差、构造降维后的协方差矩阵(对角线元素为方差、非对角线元素为协方差)、将协方差矩阵进行对角化处理、按方差大小对维度排序等操作。

pca = PCA(n_components=2) #实例化一个PCA类，设置类参数n_components=2，表示从26D变为2D

pca.fit(data_Mat)

data_pca = pca.fit_transform(data_Mat) #降维后的数据

查看降维后的2D数据

print(type(data_pca))

print(data_pca)

>>>

>>> [[ 18.07327015 6.47772176]

[ 9.57112844 -8.96316249]

[ 9.55467987 -6.73426989]

[ 12.84008455 -4.42369386]

[ -0.15951735 -4.72242539]

[ 5.78874059 6.53546646]

[ 2.55502467 11.60814732]

[ -2.12610174 1.24236893]

[ -5.12467362 -5.03159773]

[ -1.21491395 -4.4512431 ]

[ -5.35091133 0.40087293]

[ -4.23529513 8.02825804]

[-10.93747531 1.14142101]

[-12.64892828 -5.00385826]

[ -9.33157419 -3.20480159]

[ -7.25353737 7.10079589]]

3. 可视化展示

import matplotlib.pyplot as plt

fig, ax = plt.subplots()

for i in range(int(data_pca.size/2)):

team = data_pca[i]

ax.scatter(team[0], team[1])

ax.annotate(team_name[i], (team[0], team[1]))

plt.show()

30支球队常规赛实力对比

初始数据中每支球队有18项数据，我们不能对其可视化展示，也就不能快速获取各队的综合实力分布信息。采用PCA线性降维为2D后，可以从平面图上快速获取各队的实力对比。

需要注意的是，在降维后新的特征空间内，每个维度不再具有明确的实际意义，我们不能说出横轴、纵轴分别表示什么，但可以很容易判断出：在常规赛降维后对比图中X、Y的取值越小，左下角区域的火箭队、勇士队、骑士队、波士顿等都进入了季后赛，尤以火箭队表现最为抢眼。

16支球队季后赛实力对比

同样的，对16支进入季后赛的球队进行实力对比。截至2018.06.03当日，总决赛已进行1场，萌神带队的勇士表现格外抢眼。

4. 降维到3D

30支球队常规赛实力对比

16支球队季后赛实力对比

完整代码

#!usr/bin/env python

# -*- coding:utf-8 _*-

# Author:leegang [email protected]

# File: NBA_team.py

# Time: 2018/06/03 17:39

import pandas as pd

from sklearn.decomposition import PCA

import matplotlib.pyplot as plt

import numpy as np

data = pd.read_excel(r'teams_regular.xlsx') #读取常规赛数据

# data = pd.read_excel(r'teams_playoffs.xlsx') #读取季后赛数据

# 对数据进行切分，首列为球队名称，其余列为多维特征数据

team_name = data.iloc[:, 0]

print(team_name)

data_Mat = data.iloc[:, 1:]

pca = PCA(n_components=3) #调整n_component参数以设置降维后的维度

data_pca = pca.fit_transform(data_Mat)

print(type(data_pca))

print(data_pca)

# 降维为2D数据可视化

# fig, ax = plt.subplots()

# for i in range(int(data_pca.size / 2)):

# team = data_pca[i]

# ax.scatter(team[0], team[1])

# ax.annotate(team_name[i], (team[0], team[1]))

# plt.show()

# 降维为3D数据可视化

from mpl_toolkits.mplot3d import Axes3D

fig, ax = plt.subplots()

ax = Axes3D(fig)

for i in range(int(data_pca.size / 3)):

team = data_pca[i]

ax.scatter3D(team[0], team[1], team[2],label=team_name[i])

# ax.legend()

ax.text(team[0], team[1], team[2],team_name[i])

plt.show()