使用基于列而非行的 PCA 进行降维

Question

我正在尝试减少 Covid 病例的时间序列数据的维度。我有一个数据框形式的 Covid 病例，每个日期都有一行，每个地区都有一列。我现在想减少维度以消除数据的时间扭曲。我的数据框如下所示：

	1001	1002
01.01.2020	35	57
02.01.2020	29	46
03.01.2020	46	61

数据帧上的代码 I 运行：

# df = above mentioned dataframe

pca = PCA (n_components=2)
transformed_df = pca.fit_transform(df)

我想收到的（我认为）是按列减少维数，从而生成一个数组，每列都有一个数组，其中包含维数减少的结果。因此，len(transformed_df) 应该等于我拥有的列数（在上面的示例中为 2. 我收到的是一个数组，我认为数据帧的每一行都有一个数组（因为 len(transformed_df) 等于我的行数，在上面的例子中它是 3）。所以我的问题是，如何按列而不是按行执行降维。

(补充：我的数据是归一化的，上面的数字是我随机选择的)

Answer 1

好吧，事实证明只需使用 df.transpose 就足够了：

# df = above mentioned dataframe

pca = PCA (n_components=2)
transformed_df = pca.fit_transform(df.transpose())

使用基于列而非行的 PCA 进行降维

Dimension reduction using PCA based on columns not rows

python

pandas

dataframe

dimensionality-reduction