本小册子告诉您如何使用 Python 生态系统进行一些简单的多元分析，重点是主成分分析（PCA）和线性判别分析（LDA）。
jupyter notebook 可以在其github 仓库 [https://github.com/yianni/a_little_book_of_python_for_multivariate_analysis]找到。
本小册子假设读者具有一些多元分析的基础知识，而且小册子的主要重点不是解释多元分析，而是解释如何使用 Python 进行这些分析。
函数中的命名约定保持与原始源的一致性。变量被重命名为更通用的名称，因此如果您的数据的第一列包含数据类，则可以加载自己的数据集并运行笔记本。请参阅读取数据的单元格。
Python 代码旨在易于理解，就像原始源中的 R 代码一样，而不是具有计算和内存效率。
-
Python 多元分析小册子
-
设置 Python 环境
-
安装 Python
-
库
-
导入库
-
Python 控制台
-
-
将多元分析数据读入 Python
-
绘制多元数据
-
矩阵散点图
-
带有数据点标签的散点图
-
概要图
-
-
计算多元数据的汇总统计信息
-
每个组的平均值和方差
-
一个变量的组间方差和组内方差
-
两个变量的组间协方差和组内协方差
-
计算多元数据的相关性
-
变量标准化
-
-
主成分分析
-
确定保留多少主成分
-
主成分的载荷
-
主成分的散点图
-
-
线性判别分析
-
判别函数的载荷
-
判别函数实现的分离度
-
LDA 值的堆叠直方图
-
判别函数的散点图
-
分配规则和误分类率
- Python 方式
-
-
链接和进一步阅读
-
致谢
-
联系方式
-
许可证
-
《Python 多元分析小书》由 Yiannis Gatsoulis 根据知识共享署名-相同方式共享 4.0 国际许可协议许可。
基于 Avril Coghlan 的 《R 多元分析小册子》 的作品，使用 CC-BY-3.0 许可。© 2016 版权所有，Yiannis Gatsoulis 创作。使用 Sphinx 1.3.4 创建。