为 PCA 生成加载矩阵时如何将 pandas 数据框列设置为索引

Question

我在 python 中使用 sklearn 对基因表达数据执行主成分分析 (PCA)。我的数据作为 pandas 数据框加载，我可以调用 df.head() 并且 df 看起来不错。我正在使用 sklearn 生成加载矩阵，但该矩阵仅显示通用索引，并且不会接受索引的列名。我有 1722 个基因，因此通过计算获得每个基因的加载分数很重要。

这是我的 PCA 代码：

import pandas as pd
from sklearn.decomposition import PCA
from sklearn import preprocessing


# Load the data as pandas dataframe
cols = ['gene', 'FC_TSWV', 'FC_WFT', 'FC_TSWV_WFT']
df = pd.read_csv('./PCA.txt', names = cols, header = None, index_col = 'gene')

# preprocess data:

scaled_df = preprocessing.scale(df.T)


# perform PCA

pca = PCA()
pca.fit(scaled_df)
pca_data = pca.transform(scaled_df)


# Generate loading matrix. HERE IS WHERE THE TROUBLE IS:

loading_scores = pd.Series(pca.components_[0], index = df.gene)


# Print loading matrix

sorted_loading_scores = loading_scores.abs().sort_values(ascending=False)
print(loading_scores)

我试过了：

loading_scores = pd.Series(pca.components_[0], index = df.gene)

loading_scores = pd.Series(pca.components_[0], index = df['gene'])

loading_scores = pd.Series(pca.components_[0], index = df.loc['gene']

AttributeError: 'DataFrame' 对象没有属性 'gene'。

如果我根本不指定索引，加载分数将使用基于 0 的通用索引指定。

有人知道如何解决这个问题吗？

Answer 1

使用df.index 代替df.gene 或df['gene']

一旦你将某个列设置为索引，访问它的方法是通过.index 属性，而不是通过列的名称。