多柱蟒大熊猫的PCA分析

Question

我有一个.vcf文件

column1 = chrom
column2 = pos
column3 = ID
column4 = reference
column5 = Alt
column6 = qual
column7 = filter
column8 = info
column9 = format    
column 10 - 99 = 100 columns that have a number of either zero or one

我在档案里读到：

#!/usr/bin/env python
import pandas as pd
vcf=open('/Users/cmdb/Desktop/Lab6_GWAS/variants.vcf', 'r')

还有这个不应该用的

for line in vcf:
    fields=line.strip().split()
    A01=fields[9]
    A02=fields[10]
    A03=fields[11]

但是，这将花费太长的时间，因为我想保存所有的零和 on ，以便以后可以通过Python运行PCA分析。主成分分析( PCA )我想使用pandas，但不确定如何在这么多列中使用。

Answer 1

pandas没有实现PCA算法。

使用sklearn代替。

from sklearn.decomposition import PCA
pca = PCA(n_components=5)
pca.fit(df)

并访问如下组件：

pca.components_