在拟合SparsePCA之后

from sklearn.decomposition import PCAfrom sklearn.decomposition import TruncatedSVDfrom scipy.sparse import random as sparse_randomfrom sklearn.decomposition import SparsePCAfrom sklearn.random_projection import sparse_random_matrixpca_a = SparsePCA(n_components=2, random_state=0) #grafico 2dpca_review = pca_a.fit(R.toarray())

我尝试将其转换为DataFrame，使用以下代码

pca_review_df = pd.DataFrame(data= pca_review, columns= ['Component1','Component2'])pca_name_review = pd.concat([pca_review_df, validation[['Kmeans_cluster']]],axis=1)

但我得到了以下错误：

ValueError: DataFrame构造函数未正确调用！

如何修复这个问题？

回答：

您的错误发生在以下这行代码中

pca_review_df = pd.DataFrame(data= pca_review, columns= ['Component1','Component2'])

因为pca_review不是数组、可迭代对象或字典，而是一个SparsePCA对象。要获取数据集的成分值，您需要通过拟合和变换（将数据乘以您的PCA投影矩阵）来变换数据集，例如

pca_review = pca_a.fit_transform(R.toarray())

然后您就可以构建DataFrame了。