Scanpy运行Leiden聚类时报PCA维度不足、找不到leiden键错误

基于Scanpy开展单细胞分析流程时先后触发两类报错：

1. 运行邻域计算、Leiden聚类代码段时，首先抛出主成分数量不足的错误：

ValueError: X_pca does not have enough PCs. Rerun sc.pp.pca with adjusted n_comps
对应执行的代码如下：

for adata in [adata_fish]:
    sc.pp.neighbors(adata, n_neighbors=10, n_pcs=50)
    sc.tl.leiden(adata)

2. 由于上述代码执行中断，Leiden聚类结果未正常生成，后续运行tSNE可视化代码时触发键不存在的错误：

KeyError: 'Could not find key leiden in .var_names or .obs.columns.'
对应执行的可视化代码如下：

# Plot Leiden clusters on tSNE 
for adata in [adata_fish]:
    print(adata.uns["name"], ":")
    sc.pl.tsne(adata, color=["leiden"], cmap="tab20")
    sc.pl.tsne(adata, color=markers, layer="sqrt_norm")

• 调用sc.pp.neighbors时传入参数n_pcs=50，要求用前50个主成分计算细胞邻域，但此前执行sc.pp.pca时设置的n_comps（生成的主成分总数）小于50，导致邻域计算步骤直接中断。
• 邻域计算是Leiden聚类的前置依赖，邻域步骤失败后sc.tl.leiden未实际执行，adata.obs中不会写入leiden聚类列，后续可视化代码查询该字段时自然触发KeyError。

1. 重新执行PCA降维，显式设置n_comps参数，保证生成的主成分数大于后续邻域计算需要的50个，建议预留冗余：

# 注意：执行前确认归一化、高变基因筛选等预处理步骤已完成
sc.pp.pca(adata_fish, n_comps=100)

校验方式：执行print(adata_fish.obsm['X_pca'].shape)，输出的第二个维度值≥50即符合要求。
2. 重新运行邻域计算与Leiden聚类代码：

for adata in [adata_fish]:
    sc.pp.neighbors(adata, n_neighbors=10, n_pcs=50)
    sc.tl.leiden(adata)

校验方式：执行print('leiden' in adata_fish.obs.columns)，返回True即说明聚类结果已正常写入。
3. 补充tSNE计算步骤（如果此前未执行过），避免后续可视化报tSNE坐标不存在的错误：

sc.tl.tsne(adata_fish, n_pcs=50)

4. 最后运行原可视化代码即可正常输出结果。

内容的提问来源于stack exchange，提问作者Caroline