我有一组以n*2矩阵形式呈现的二维向量。
我希望得到第一个主成分，即表示方差最大的方向的向量。
我从莱斯大学找到了一份相当详细的文档。
基于此，我导入了数据并做了以下操作：
import numpy as np
dataMatrix = np.array(aListOfLists) # Convert a list-of-lists into a numpy array. aListOfLists is the data points in a regular list-of-lists type matrix.
myPCA = PCA(dataMatrix) # make a new PCA object from a numpy array object
那么我怎样才能得到第一个主成分的 3D 向量呢？
PCA 仅从 2d 数据中给出 2d vecs。
看看维基百科PCA中的图片：
从像这样的点云（dataMatrix）开始，使用matplotlib.mlab.PCA,
myPCA.Wt[0]是第一台 PC，图片中的长 PC。
类似的问题：Python中的主成分分析
或者你可以看看 scikits 学习：http ://scikit-learn.org/0.13/modules/generated/sklearn.decomposition.PCA.html
从您的示例中您正在使用的示例并不明显，matplotlib.mlab.PCA但如果是这样，文档说明返回的对象具有属性Wt，即“将 numdims 点或数组投影到 PCA 空间的权重向量”。
PCA按降序返回特征值（您可以通过查看返回对象的fracs属性来判断）。所以第一个主成分（第一个特征向量）将是 的第一行Wt。
正如@denis 所指出的，您的特征向量将是 2D（不是 3D），因为您的输入数据是 2D。