pythonにおける基底変換の基底について

前提・実現したいこと

100次元の元データが300個あります．（300×100次元）
このデータについて主成分分析で導出した100次元の固有ベクトルが1本あります．

次に，元データとは別の100次元のデータ300個があります．
これらについて，先ほど導出した主成分軸（固有ベクトル）上でどの位置に投影されるかを確認したい（基底変換を行いデータをフィットさせたい）です．

リンク内容
上記のサイトを参考にしていますが，基底変換行列を求める部分で詰まってしまいました．

発生している問題・エラーメッセージ

計算後のデータが合わず進めることができません．
おそらく，元データの基底（E）の指定の方法がおかしいのだと考えていますが，どのように指定すればよいかわかりません．

(300, 100)
(100,)

numpy.linalg.LinAlgError: 1-dimensional array given. Array must be at least two-dimensional

該当のソースコード

# ファイル名を指定
X = pd.read_csv('hogehoge.csv', sep=",", header=None).values
print(X.shape)

#主成分軸取り出し
U1 = pca.components_[0, :]
print(U1.shape)

#-------------------------------------------------------------------------------
#テストデータの基底変換
#-------------------------------------------------------------------------------
#元データの基底
E = np.eye(100)
#基底変換行列計算
P = np.linalg.solve(E, U1)

#-------------------------------------------------------------------------------
# テストデータの主成分軸投影
#-------------------------------------------------------------------------------
z = np.linalg.solve(P, X)

試したこと

P = np.linalg.solve(E, U.T)
print(P.shape)

>>(100,)

基底変換行列Pは正方行列になるはずなのですが，1行のベクトルになってしまいます．
基礎的な数学になってしまうのですが，よろしくお願いいたします．

行動規範の内容に同意します

回答1件

ベストアンサー

最初の回答はほとんど関係ないようだったので
相変わらず出てる

numpy.linalg.LinAlgError: 1-dimensional array given. Array must be at least two-dimensional

については、reshapeで明示的にshapeを(100, 1)指定すると回避できます。
ただ、その場合でもsolveのところで正方行列じゃないという別のエラーが出ます。
これはlianlg.solveのアルゴリズムによるもので、ドキュメントでは正方行列以外についてはlinalg.lstsqを使うようにとなっているので、そっちを使ってみてください。