使用 Python 进行主成分分析

Question

是 2D 散点数据的示例，但是当我绘制特征向量时，该图被压缩为 1D image我正在尝试对温度和应变数据进行 PCA。为什么我有散射和绘制特征向量的组合的一维向量？def process_data_PCA(temperature, strain):    print("process data")    T1 = temperature['T1'].tolist()    T2 = temperature['T2'].tolist()    T3 = temperature['T3'].tolist()    T4 = temperature['T4'].tolist()    T5 = temperature['T5'].tolist()    T6 = temperature['T6'].tolist()    T7 = temperature['T7'].tolist()    T8 = temperature['T8'].tolist()    T9 = temperature['T9'].tolist()    T10 = temperature['T10'].tolist()    W_A1 = strain[0]    N = len(T1)    xData =  T1    yData =  W_A1    xData = np.reshape(xData, (N, 1))    yData = np.reshape(yData, (N, 1))    data = np.hstack((xData, yData))    print(data)    mu = data.mean(axis=0)    data = data - mu    # data = (data - mu)/data.std(axis=0)  # Uncommenting this reproduces mlab.PCA results    eigenvectors, eigenvalues, V = np.linalg.svd(data.T, full_matrices=False)    projected_data = np.dot(data, eigenvectors)    sigma = projected_data.std(axis=0).mean()    print(eigenvectors)    fig, ax = plt.subplots()    ax.scatter(xData, yData, s= 0.1)    for axis in eigenvectors:        start, end = mu, mu + sigma * axis        ax.annotate(            '', xy=end, xycoords='data',            xytext=start, textcoords='data',            arrowprops=dict(facecolor='red', width=2.0))    ax.set_aspect('equal')    plt.show()打印（数据）[[14.25        0.        ] [14.25        0.        ] [14.26        0.        ] ... [12.51       -0.02470534] [12.51       -0.02540376] [12.52       -0.02542746]][[-0.99999927 -0.00120856] [-0.00120856  0.99999927]]特征向量 [-0.99999927 -0.00120856] [-0.00120856 0.99999927]开始，结束 1.95096698e+01 -5.70968943e-03] [ 1.7057429e+01 -8.6733643e-03][ 1.95096698e+01 -5.70968943e-03] [19.50670611  2.44653112]