我现在正在尝试PCA的一些东西，但对我来说，了解每个特征值的特征非常重要。
numpy.linalg.eig给了我们已经排序的对角矩阵，但我希望这个矩阵在原始位置上有它们。有人知道我该怎么做吗？
Sven在评论中提到的是正确的。本征值不存在"默认"排序。每个特征值都与一个特征向量相关联，并且重要的是特征值-特征向量对正确匹配。你会发现所有的语言和软件包都会这样做。
所以，如果R给你特征值[e1,e2,e3和特征向量[v1,v2,v3]，python可能会给你（比如）[e3,e2,e1]和[v3,v2,v1]。
回想一下，特征值告诉你数据中有多少方差是由与之相关的特征向量解释的。因此，在PCA中有用的特征值的自然排序（对我们来说很直观）是按大小（升序或降序）。这样，你就可以很容易地查看特征值，并确定哪些特征值要保留（大的，因为它们解释了大部分数据），哪些特征值（小的，可能是高频特征或只是噪声）
（不是答案，但我需要此注释的高级格式。）
你必须指定你想要什么样的订单。例如，这个矩阵的特征值
/ 0 1
A = | |
1 0 /
对应于特征向量(1 1)和(1 -1)的是+1和-1。你希望这些特征值如何排序，为什么？