Accueil
Analyse en composantes principales et Analyse des correspondances avec Python
1) Analyse en composantes principales avec Python
Mise en oeuvre à partir de deux exemples
Dossier à télécharger pour obtenir les fichiers codes et données
Chargement du fichier compressé de codes et de données [dossier: "ACP_py"]
Le programme complet d’analyse en composantes principales (ACP) présenté ici est conçu dans l’esprit de l’analyse exploratoire des données. On insiste ainsi sur le rôle fondamental, pour les interprétations, des variables supplémentaires (numériques ou nominales) et des individus supplémentaires.
Ce programme autonome ne se réfère pas à des programmes d’ACP existants. Il n’utilise que les trois bibliothèques python classiques NUMPY (pour le calcul vectoriel et matriciel), PANDAS (pour la gestion des tableaux de données) et MATPLOTLIB (pour les graphiques).
ACP: Deux exemples et code commenté
Les fichiers d’exemples sont des fichiers de données sémiométriques (notes de 1 à 7 données à des mots par des individus selon que ces mots sont désagréables ou agréables). Dans les exemples en vraies grandeurs, il y a 210 mots et parfois plusieurs milliers d’individus. Les ouvrages relatifs à la sémiométrie sont en libre chargement sur ce site.
Cliquez ci-dessous pour obtenir la présentation de l'ACP à partir de deux exemples
ACP: Présentation à partir de deux exemples, et code commenté
2) Analyse des correspondances (AC) avec Python
Mise en oeuvre à partir d'un exemple
Dossier à télécharger pour obtenir les fichiers codes et données
Chargement du fichier compressé de codes et de données [dossier: "AC_py"]
Le programme complet d’analyse des correspondances (ACP) présenté ici est conçu dans l’esprit de l’analyse exploratoire des données. On insiste ainsi sur le rôle fondamental, pour les interprétations, des lignes (variables) supplémentaires et des colonnes (individus) supplémentaires.
Ce programme autonome ne se réfère pas à des programmes d’AC existants. Comme cela a été le cas pour l'analyse en composantes principales, ce programme n’utilise que les trois bibliothèques python classiques NUMPY (pour le calcul vectoriel et matriciel), PANDAS (pour la gestion des tableaux de données) et MATPLOTLIB (pour les graphiques).
AC: Un exemple et listage du code commenté
Le petit fichier d’exemples est une table de contingence (ou de fréquence) déjà utilisée au chapitre 3 de l'ouvrage "Statistique textuelle" (Ludovic Lebart et André Salem, Dunod, 1994, pour la première édition). Vous pouvez accéder directement au chapitre 3 de ce livre en cliquant sur : Statistique Textuelle, chapitre 3 .
(Le livre entier est librement téléchargeable sur : Statistique Textuelle ).
Cliquez ci-dessous pour obtenir la présentation de l'AC à partir d'un exemple
AC: Présentation à partir d'un exemple, et code python commenté
Accueil