为什么PCA的n_components仅能设为1，设置其他值时报索引不匹配错误？

问题原因 #

报错的根本原因是主成分输出维度和指定的DataFrame列名数量不匹配：
当n_components设为43时，PCA.fit_transform()会返回形状为(样本数, 43)的二维数组，但你在转DataFrame时只给了1个列名['pca']，Pandas无法对齐43列的数据和1个列名，就抛出了维度不匹配的错误。设为1的时候刚好列数和列名数量一致，所以可以正常运行。

修正后的降维代码 #

from sklearn.decomposition import PCA
from sklearn.preprocessing import MinMaxScaler
import pandas as pd

# 降维前使用和计算主成分数量时一致的归一化处理，避免结果偏差
scaler = MinMaxScaler()
X_train_scaled = scaler.fit_transform(X_train)

# 设定43个主成分
pca = PCA(n_components=43, random_state=42)
pca_result = pca.fit_transform(X_train_scaled)

# 生成对应数量的列名：pca_1、pca_2...pca_43
pca_df = pd.DataFrame(pca_result, columns=[f'pca_{i+1}' for i in range(43)])

# 如需拼接回原数据集可打开下方注释
# X_train = pd.concat([X_train, pca_df], axis=1)

额外注意事项 #

• 后续对测试集做PCA降维时，不要重新拟合scaler和PCA对象，直接用训练集拟合好的两个对象调用transform()方法处理测试集即可，避免数据泄露
• 累计方差解释率的阈值可以根据业务需求调整，不需要完全固定为95%

内容的提问来源于stack exchange，提问作者Shane Li