值如何与PCA中的列相对应？

Question

我有一些数据帧df，想在上面使用解释的方差比。你知道吗

X_std = StandardScaler().fit_transform(df)
Y_pca = pca.fit_transform(X_std)
pca.explained_variance_ratio_

结果我得到了这样的结果：

array([0.3894487 , 0.25278034, 0.16070989, 0.10005305, 0.07093894,
   0.02606909])

问题是，如果我交换列，pca.explained_variance_ratio_的结果仍然是一样的。那么，我怎样才能知道值是如何对应于列的呢？你知道吗

Answer 1

PCA对特征/变量（列）的置换是不变的。你知道吗

从pca.explained_variance_ratio_得到的值是每个component的解释方差的比率。你知道吗

array([0.3894487 , 0.25278034, 0.16070989, 0.10005305, 0.07093894,
       0.02606909])

因为pca.explained_variance_ratio_中有6个值，这意味着n_components是6。你知道吗

这些值对应于主成分/轴，你可以看到PC1解释了38.9%，PC2解释了25.27%方差