Python中mca包多对应分析疑问：新数据转换及属性含义

我之前也遇到过类似的困扰，mca包确实没有内置的transform方法，但我们可以基于MCA的数学原理手动实现转换。另外你提到的属性命名晦涩、.L全1的问题，大概率是因为用了drop_first=True生成哑变量导致的，先从这里说起：

首先修正输入错误 #

MCA要求输入完整的指示矩阵：每个分类变量的所有类别都要作为列，每个样本在每个变量的类别列中恰好有一个1（其余为0），这样每个样本的行和等于原始数据的变量数。drop_first=True会移除每个变量的一个类别，导致部分样本的行和减少，进而让MCA计算出现异常（比如你看到的.L全1）。修正后的训练代码如下：

import pandas as pd
import mca
import numpy as np

# 示例训练数据
df = pd.DataFrame({
    'color': ['red', 'blue', 'green', 'red', 'blue'],
    'size': ['small', 'large', 'small', 'large', 'small']
})

# 生成完整哑变量矩阵，不要加drop_first=True！
df_dummy = pd.get_dummies(df)
ca = mca.MCA(df_dummy)

一、手动实现新数据的转换 #

mca包没有现成的转换方法，但我们可以基于MCA的核心逻辑自己写，步骤如下：

核心逻辑 #

MCA的样本因子得分（ca.fs_r(n)）是通过标准化后的指示矩阵左乘训练得到的右奇异向量得到的。转换新数据时，需要对新数据做和训练数据完全一致的标准化，再用训练好的奇异向量投影。

具体代码实现 #

# 示例新数据
df_new = pd.DataFrame({
    'color': ['green', 'red', 'blue'],
    'size': ['large', 'small', 'large']
})

# 1. 生成和训练数据完全匹配的哑变量矩阵，缺失列填充0
df_new_dummy = pd.get_dummies(df_new).reindex(columns=df_dummy.columns, fill_value=0)

# 2. 计算新数据的行和（每个样本的变量数，这里是2）
row_sum_new = df_new_dummy.sum(axis=1).values.reshape(-1, 1)

# 3. 计算期望矩阵E_new：用训练数据的列和 + 新数据的行和计算
E_new = np.outer(row_sum_new, ca.col_sum.values) / ca.total

# 4. 标准化得到Z_new：(观测值 - 期望值) / sqrt(期望值)
Z_new = (df_new_dummy.values - E_new) / np.sqrt(E_new)

# 5. 投影得到新数据的因子得分（取前2个主成分）
n_components = 2
new_scores = Z_new @ ca.Vt.T[:, :n_components]

# 验证：训练数据的因子得分和ca.fs_r(n_components)一致
train_scores = ca.fs_r(n_components)
print("训练数据得分：\n", train_scores)
print("新数据得分：\n", new_scores)

二、晦涩属性/方法的含义 #

mca包的命名确实偏简洁，我整理了常用属性的实际意义：

• .E：期望矩阵，基于训练数据的行和、列和计算，每个元素是(行和 × 列和) / 总样本数，代表独立假设下每个单元格的期望频数。
• .L：特征值，等于ca.S ** 2 / ca.total，每个值对应一个主成分的解释力，值越大代表该主成分能解释的方差越多（之前全1是因为drop_first=True导致输入错误）。
• .K：原始数据的变量总数（比如你的df有多少列）。
• .k：每个变量的类别数量列表，比如[3,2]代表第一个变量有3个类别，第二个有2个。
• .U：左奇异向量，对应样本（行）的正交向量，和奇异值结合可得到因子得分。
• .S：奇异值，是标准化矩阵Z的奇异值，和特征值的关系是特征值 = S² / 总样本数。
• .Vt：右奇异向量的转置，对应类别（列）的正交向量，用于计算样本的因子得分。
• .fs_r(n)：样本的因子得分，取前n个主成分，等价于ca.U[:, :n] * ca.S[:n]。
• .fs_c(n)：类别的因子得分，取前n个主成分，用于可视化类别在主成分空间的位置。

内容的提问来源于stack exchange，提问作者Dan