Skip to content

FredGainza/generateACP

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

34 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

generateACP

Badge KoPaTiK Binder


Fonction générant les calculs et les graphiques d'une ACP.


Paramètre principal à renseigner => dataframe avec :

  • en index : la variable d'observation
  • en colonnes : les variables explicatives quantitatives
  • en ligne : les individus / observations

Structure de l'analyse réalisée :

Information sur les données

    * données initiales
    * données centrées réduites

Recherche du nombre de facteurs à retenir

    * graphique eboulis des valeurs propres
    * calcul de la proportion de variance expliquée
    * test des bâtons brisés

Représentation des individus

    * coordonnées factorielles des individus
    * qualité de la représentation des individus (cos² de chaque individu par axe)
    * contribution des individus aux axes

Représentation des variables

    * les vecteurs propres
    * corrélations par facteur
    * qualité de la représentation des variables (cos² de chaque variable par axe)
    * contribution des variables aux axes

Traitement des variables supplémentaires

    * variables illustratives quantitatives
    * variables illustratives qualitatives

Représentation graphique (pour chaque plan factoriel)

    * Projection des individus
    * Cercle des corrélations

2. Installation

Exemple avec Anaconda

    ### Créer un dossier pour le projet
    $ mkdir /vers/dossier/testACP
    ### Se déplacer dans le dossier
    $ cd /vers/dossier/testACP
	
    ### Créer un nouvel environnement
    $ conda create -n envAcp python=3.9
    ### Activer le nouvel environnement
    $ conda activate envAcp
	
    ### Installer le module generateAcp
    $ pip install git+https://github.com/FredGainza/generateACP.git

Pour utiliser le module dans un notebook, il faut importer la fonction acp_global() :

    from generateACP import acp_global

Les modules suivants seront automatiquement installés :

  • pandas
  • numpy
  • scikit-learn
  • matplotlib
  • jupyter
  • adjustText
  • pdfservices-sdk
  • openpyxl

Documentation

RDV ICI

Exemple

  • Notebook disponible au format html
  • Notebook exécuté analyse_acp_exemple.ipynb présent dans le dossier /docs/
  • Notebook dispo sur binder (exécutez le notebook binder_exemple_module_acp.ipynb présent dans le dossier /docs/)