Python 如何动态地找到PCA的Matlab代码中给出的数字分量？

在以下链接中，主成分分析参数的固定数量是预定义的，但应动态定义为Matlab代码。这怎么可能

如何动态找到主成分的数量，如Matlab代码中给出的：

[coeff,score,~,~,explained] = pca(train);            
sm = 0;
no_components = 0;
for k = 1:size(explained,1)
    sm = sm+explained(k);
    if sm <= 99.4029
       no_components= no_components+1;
    end
end
no_components

[coeff，score，~，~，explained]=pca（训练）；
sm=0；
无_分量=0；
对于k=1：尺寸（解释为1）
sm=sm+k；
如果sm与我用MatLab和python得到的解释变量有微小的变化，则解决方法如下：

[x,y] = train.shape

pca = PCA(n_components=(x-1))
varPca = pca.fit(train)   

explainedVariance = pca.explained_variance_ratio_*100

sm = 0
no_components = 0
for k in range(0, x-1):
    sm = sm+explainedVariance[k]        
    if sm <= 99.4029:
        no_components= no_components+1    

print(no_components)

[x，y]=train.shape
pca=pca（n_分量=（x-1））
varPca=pca.配合（列车）
解释方差=主成分分析。解释方差比*100
sm=0
无组件=0
对于范围（0，x-1）内的k：
sm=sm+解释方差[k]
如果sm在询问Python或Matlab方面的问题？你的问题不是很清楚。是的，应该是Python，而Python应该是Python？您的问题是“如何在Python中使用PCA？”？我不能确切地理解您试图做什么。您的问题是什么？这里的组件数量取决于我想要在python代码中解释的变量