import pandas as pd
import numpy as np
from sklearn.decomposition import PCA

读取数据

data = pd.read_csv('sample_data.csv')

删除无用数据项

data.drop(['year_month', 'specific_time'], axis=1, inplace=True)

对数据进行标准化处理

scaled_data = (data - data.mean()) / data.std()

使用PCA进行降维处理，提取主要成分

pca = PCA(n_components=len(data.columns))
pca.fit(scaled_data)

输出主成分的贡献率和累计贡献率

print('主成分的贡献率为：', pca.explained_variance_ratio_)
print('累计贡献率为：', np.cumsum(pca.explained_variance_ratio_))

绘制贡献率的累计图

import matplotlib.pyplot as plt

plt.plot(np.cumsum(pca.explained_variance_ratio_))
plt.xlabel('Number of components')
plt.ylabel('Cumulative explained variance')
plt.show()
代码如上

在文件的顶部加上coding试下：

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

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 你可以看下这个问题的回答https://ask.csdn.net/questions/7763830

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^