import?numpy?as?np
import?scipy.io?as?sio

def?zeroMean（dataMat）:
????meanVal=np.mean（dataMataxis=0）?????#按列求均值，即求各個特征的均值
????newData=dataMat-meanVal
????return?newDatameanVal

def?percentage2n（eigValspercentage）:
????sortArray=np.sort（eigVals）???#升序
????sortArray=sortArray[-1::-1]??#逆轉，即降序
????arraySum=sum（sortArray）
????tmpSum=0
????num=0
????for?i?in?sortArray:
????????tmpSum+=i
????????num+=1
????????if?tmpSum>=arraySum*percentage:
????????????return?num

def?pca（dataMatpercentage）:
????newDatameanVal=zeroMean（dataMat）
????covMat=np.cov（newDatarowvar=0）????#求協方差矩陣return?ndarray；若rowvar非0，一列代表一個樣本，為0，一行代表一個樣本
????eigValseigVects=np.linalg.eig（np.mat（covMat））#求特征值和特征向量特征向量是按列放的，即一列代表一個特征向量
????n=percentage2n（eigValspercentage）?????????????????#要達到percent的方差百分比，需要前n個特征向量
????eigValIndice=np.argsort（eigVals）????????????#對特征值從小到大排序
????n_eigValIndice=eigValIndice[-1:-（n+1）:-1]???#最大的n個特征值的下標
????n_eigVect