Python中PCA分析的Y轴方差刻度绘制异常问题

我正在进行PCA分析，但无法正确绘制Y轴的方差图。已提供含6个特征的鱼类数据集，现有实现代码如下：

import pandas as pd
import sklearn
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import make_pipeline
import matplotlib.pyplot as plt

fishes = pd.read_csv("fish.csv", header=None, index_col=False, skiprows=1, usecols=range(1,7))
fishes.head()

scaler = StandardScaler()
pca = PCA()
pipeline = make_pipeline(scaler, pca)
pipeline.fit(fishes)

features = range(pca.n_components_)
plt.bar(features, pca.explained_variance_)
plt.xlabel('PCA feature')
plt.ylabel('variance')
plt.xticks(features)
plt.show()

当前输出不符合预期：我理解PCA的Y轴方差应为100%，但前三个主成分的解释占比过低，即使按1代表10%计算，总和也达不到100%。疑惑是代码存在错误，还是需要手动调整Y轴刻度？请指出问题所在。

核心问题在于你用错了PCA的属性！你现在调用的pca.explained_variance_返回的是每个主成分能解释的原始方差值——因为你用了StandardScaler标准化数据，每个特征的方差被缩为1，总方差等于特征数量（也就是6），所以这些数值加起来是6，自然不是你期望的100%。

而你想要的方差解释率百分比，对应的正确属性是pca.explained_variance_ratio_：这个属性返回每个主成分方差占总方差的比例，所有值加起来总和为1，转换成百分比后就是你期望的100%。

修改代码非常简单，只需要把绘图行替换成下面的内容（如果要显示百分比，记得乘以100）：

plt.bar(features, pca.explained_variance_ratio_ * 100)
plt.xlabel('PCA feature')
plt.ylabel('Explained Variance (%)')  # 同步修改Y轴标签更准确
plt.xticks(features)
plt.show()

额外补充：如果想直观看到前N个主成分的累积解释率，可以用cumsum()绘制折线图，代码示例如下：

plt.plot(features, pca.explained_variance_ratio_.cumsum() * 100, marker='o')
plt.xlabel('Number of PCA Features')
plt.ylabel('Cumulative Explained Variance (%)')
plt.xticks(features)
plt.grid(True)
plt.show()

这样你就能清晰看到前几个主成分就能覆盖大部分数据方差了。

内容的提问来源于stack exchange，提问作者Anakin Skywalker