用python 对csv数据进行预处理

要求根据提供的伪代码用python写出完整的代码。

数据大概长这样

1.引用，伪代码如下（如果不足可以再补充）

2.删除‘lable’等于2的行，伪代码如下(csv的路径 可以空着)

3.得到'lable',伪代码如下

4.用pca方法合理降维，伪代码如下

5.绘图，伪代码如下（）

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA

# 读取CSV文件
contents = pd.read_csv('path_of_csv')

# 删除label等于2的行
contents = contents[contents['Label'] != 2]

# 获取数据和标签
data = contents.iloc[:, 1:-1]  # 获取第2列到倒数第2列的数据
labels = contents.iloc[:, -1]  # 获取最后一列的标签

# 使用PCA方法进行降维
pca = PCA()
pca_data = pca.fit_transform(data)

# 绘制图形
plt.figure()
plt.plot(pca_data[:, 0], pca_data[:, 1], 'o')
plt.xlabel('PC1')
plt.ylabel('PC2')
plt.show()

基于最新版ChatGPT4的回答，望采纳！！！有其他问题也可以询问我哦💕（最新版更智能，功能更加强大）：
以下是完整的Python代码，实现了这些步骤：

从CSV文件中读取数据（假设数据在名为data.csv的文件中）。
删除标签为2的行。
获取标签列。
使用PCA方法将数据降至二维。
绘制结果图。
python

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA

# 从CSV文件中读取数据
data = pd.read_csv('data.csv', header=None)

# 删除标签为2的行
data = data[data[0] != 2]

# 获取标签列
labels = data[0]

# 使用PCA方法将数据降至二维
pca = PCA(n_components=2)
data_pca = pca.fit_transform(data.drop(0, axis=1))

# 绘制结果图
plt.scatter(data_pca[:,0], data_pca[:,1], c=labels, cmap='viridis')
plt.colorbar()
plt.show()
注意，在上述代码中使用了pandas和matplotlib库，如果您还没有安装它们，可以通过以下命令进行安装：

python
pip install pandas matplotlib

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA
 
# 从CSV文件中读取数据
data = pd.read_csv('data.csv', header=None)
 
# 删除标签为2的行
data = data[data[0] != 2]
 
# 获取标签列
labels = data[0]
 
# 使用PCA方法将数据降至二维
pca = PCA(n_components=2)
data_pca = pca.fit_transform(data.drop(0, axis=1))
 
# 绘制结果图
plt.scatter(data_pca[:,0], data_pca[:,1], c=labels, cmap='viridis')
plt.colorbar()
plt.show()