Scikit-learn中PCA实现是否保留输入样本顺序？

Question #

我用sklearn.decomposition.PCA实现了PCA降维，代码如下：

def doPCA(arr):
    scaler = StandardScaler()
    scaler.fit(arr)
    arr = scaler.transform(arr)
    pca = PCA(n_components=2)
    X = pca.fit_transform(arr)
    return X

我知道输出数组的长度和输入数组一样，但每个样本的维度降到了2。我想确认一下，原数组arr里的样本经过PCA处理后，是不是可以认为X[i]和arr[i]是一一对应的？

Answer #

绝对没问题！你完全可以放心认定X[i]就是原数组中arr[i]这个样本经过标准化+PCA降维后的对应结果。

原因很直观：scikit-learn里的所有transform类方法（包括StandardScaler.transform和PCA.fit_transform）都是严格按照输入样本的顺序依次处理的，全程不会打乱样本的排列顺序。

具体到你的代码流程：

• 第一步，scaler.transform(arr)会逐个处理arr里的样本，标准化后的数组里第i个元素，依然对应原arr[i]；
• 第二步，pca.fit_transform接收标准化后的数组，同样按顺序对每个样本执行降维计算，最终得到的X[i]自然就和原arr[i]一一对应。

举个小例子验证：假设你的arr第一个样本是[1, 2, 3]，经过标准化后变成[a, b, c]，再经过PCA降维得到[x, y]，那X[0]就等于[x, y]，完全对应原arr[0]。

所以整个处理流程中，样本的索引对应关系是完全保留的，不用怕顺序被搞混~

内容的提问来源于stack exchange，提问作者zython