R与Python中PCA结果差异原因及Python结果解读咨询

核心问题 #

针对16行观测样本、11列特征的数据集做PCA时，R的prcomp与Python sklearn的PCA存在以下差异，但核心解释能力一致：

• 矩阵维度：prcomp返回的结果矩阵是特征行、主成分列；sklearn返回的是观测样本行、主成分列
• 特征值、成分载荷数值有差异，但方差解释累积和、特征与主成分的相关性完全一致

差异产生的原因 #

1. 矩阵维度定义不同 #

R的prcomp中，rotation属性是特征×主成分的矩阵，代表每个特征在各主成分上的载荷；而sklearn的pca.components_是主成分×特征的矩阵（即R中rotation的转置）。

2. 特征值计算的缩放差异 #

R的prcomp基于**样本协方差矩阵（除以n-1）计算特征值（sdev的平方就是特征值）；而sklearn的PCA默认基于总体协方差矩阵（除以n）**计算特征值（对应explained_variance_）。两者的转换关系为：
R的特征值 = sklearn特征值 × n/(n-1)
以补充结果为例，PC1的sklearn特征值是15.418，乘以16/15（n=16）后约为16.44，这就是R中对应的特征值。

3. 主成分方向的符号差异 #

PCA的主成分方向是任意的，正负号不影响方差解释能力——只要载荷的相对大小、特征与主成分的相关性一致，符号翻转是完全合理的。这也是两者载荷数值存在差异的常见原因。

Python PCA结果解读 #

sklearn的PCA输出可从以下几个核心属性理解：

• data_pca = pca.fit_transform(data_scaled)：维度为**(样本数×主成分数)**，每一行代表一个样本在主成分空间的投影坐标
• pca.components_：维度为**(主成分数×特征数)**，每一行是对应主成分的特征载荷（即特征与该主成分的相关系数，数据已标准化）
• pca.explained_variance_：每个主成分的方差（基于总体协方差矩阵的特征值）
• pca.explained_variance_ratio_：每个主成分解释的方差占总方差的比例，累积和代表前k个主成分的总解释能力，这和R的结果完全一致

如果要对齐R的rotation矩阵，只需将pca.components_转置，同时可根据需求调整符号（不影响解释），并将特征值转换为样本协方差版本（乘以n/(n-1)）。

代码示例 #

R代码 #

data_pca <- prcomp(data, scale = TRUE)

Python代码 #

from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA

scaler = StandardScaler()
data_scaled = scaler.fit_transform(data)

pca = PCA()
data_pca = pca.fit_transform(data_scaled)

补充结果（转置后） #

内容的提问来源于stack exchange，提问作者isturdyb