在Python中使用mca包

Question

我正在尝试使用mca包在Python中进行多个对应分析.

我对如何使用它感到有点困惑.随着PCA我希望到适合一些数据(即找到这些数据主要成分),再后来我就能够使用,我发现主成分变换看不见的数据.

根据MCA文档,我无法确定如何执行此最后一步.我也搞不懂什么任何的古怪cryptically命名的属性和方法做(即.E,.L,.K,.k等).

到目前为止,如果我有一个包含字符串的列的DataFrame(假设这是DF中唯一的列)我会做类似的事情

import mca
ca = mca.MCA(pd.get_dummies(df, drop_first=True))

从我可以收集到的

ca.fs_r(1)

是在数据的变换df和

ca.L

应该是特征值(虽然我得到的1s 的向量比我的特征数量少一个元素？).

现在,如果我有更多具有相同功能的数据,让我们说df_new并假设我已经正确地将其转换为虚拟变量,我如何找到ca.fs_r(1)新数据的等价物

Answer 1

另一种方法是使用库王子，它可以轻松使用工具，例如：

1. 多重对应分析 (MCA)
2. 主成分分析 (PCA)
3. 多因素分析 (MFA)

您可以首先安装：

pip install --user prince

要使用MCA，它相当简单，可以通过几个步骤完成（就像sklearn PCA方法一样）。我们首先构建我们的数据框。

import pandas as pd 
import prince

X = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/balloons/adult+stretch.data')
X.columns = ['Color', 'Size', 'Action', 'Age', 'Inflated']

print(X.head())

mca = prince.MCA()

# outputs
>>     Color   Size   Action    Age Inflated
   0  YELLOW  SMALL  STRETCH  ADULT        T
   1  YELLOW  SMALL  STRETCH  CHILD        F
   2  YELLOW  SMALL      DIP  ADULT        F
   3  YELLOW  SMALL      DIP  CHILD        F
   4  YELLOW  LARGE  STRETCH  ADULT        T

其次是调用fitandtransform方法。

mca = mca.fit(X) # same as calling ca.fs_r(1)
mca = mca.transform(X) # same as calling ca.fs_r_sup(df_new) for *another* test set.
print(mca)

# outputs
>>         0             1
0   0.705387  8.373126e-15
1  -0.386586  8.336230e-15
2  -0.386586  6.335675e-15
3  -0.852014  6.726393e-15
4   0.783539 -6.333333e-01
5   0.783539 -6.333333e-01
6  -0.308434 -6.333333e-01
7  -0.308434 -6.333333e-01
8  -0.773862 -6.333333e-01
9   0.783539  6.333333e-01
10  0.783539  6.333333e-01
11 -0.308434  6.333333e-01
12 -0.308434  6.333333e-01
13 -0.773862  6.333333e-01
14  0.861691 -5.893240e-15
15  0.861691 -5.893240e-15
16 -0.230282 -5.930136e-15
17 -0.230282 -7.930691e-15
18 -0.695710 -7.539973e-15

您甚至可以打印出它的图片图表，因为它包含了matplotlib库。

ax = mca.plot_coordinates(
     X=X,
     ax=None,
     figsize=(6, 6),
     show_row_points=True,
     row_points_size=10,
     show_row_labels=False,
     show_column_points=True,
     column_points_size=30,
     show_column_labels=False,
     legend_n_cols=1
     )

ax.get_figure().savefig('images/mca_coordinates.svg')

Answer 2

mca 包的文档在这方面不是很清楚。然而，有一些线索表明ca.fs_r_sup(df_new)应该使用它来将新的（看不见的）数据投射到分析中获得的因素上。

1. 包作者将新数据称为补充数据，这是以下论文中使用的术语：Abdi, H., & Valentin, D. (2007)。多重对应分析。测量和统计百科全书，651-657。
2. 该包只有两个接受新数据作为参数的函数DF：fs_r_sup(self, DF, N=None)和fs_c_sup(self, DF, N=None). 后者是求列因子分数。
3. 的使用指南演示此基于尚未在整个成分分析中使用的新的数据帧上。