在Python中使用mca包

Question

我正在尝试使用mca package在Python中进行多重对应分析。

我对如何使用它感到有点困惑。使用PCA我希望适合一些数据（即查找这些数据的主要组件），然后我将能够使用我发现转换<的主要组件/ em>看不见的数据。

根据MCA文档，我无法确定如何执行此操作的最后一步。我也不了解任何奇怪的密码命名属性和方法（即.E，.L，.K，.k等等。

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))

从我可以收集的内容

ca.fs_r(1)

是df和

中数据的转换

ca.L

应该是特征值（虽然我得到1 s的向量，它比我的特征数少一个元素？）。

现在，如果我有更多具有相同功能的数据，请说df_new并假设我已将此正确转换为虚拟变量，我如何找到等效的{{ 1}}用于新数据

Answer 1

在这方面，mca包的文档不是很清楚。但是，有一些提示表明ca.fs_r_sup(df_new)应该用于将新的（看不见的）数据投影到分析中获得的因子上。

1. 包裹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。，＆amp; Valentin，D。（2007）。 Multiple correspondence analysis。 衡量与统计百科全书，651-657。
2. 该软件包只有两个函数接受新数据作为参数DF：fs_r_sup(self, DF, N=None)和fs_c_sup(self, DF, N=None)。后者是找到列因子得分。
3. usage guide根据新的数据框架对此进行了演示，该数据框架尚未在整个组件分析中使用。

Answer 2

另一种方法是使用库prince，该库可以轻松使用以下工具：

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

您可以先安装：

pip install --user prince

要使用MCA，它非常简单，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

随后调用fit和transform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

由于它包含matplotlib库，因此您甚至可以打印出它的图片。

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')