Python 如何确保加载属于PCA中的变量

我使用以下代码对数据执行PCA：

import pandas as pd
from sklearn.decomposition import PCA
# drop the 'memberid' column
X = df[list(df.columns.difference(['memberid']))]
pca = PCA(0.80).fit(X)
Xpca = pca.transform(X)

然后，我计算每个主成分中最重要的贡献变量，如下所示：

variables = df[list(df.columns.difference(['memberid']))].columns.values
uniqueVariables = []
uniqueIndices = []
for i in range(0,len(pca.explained_variance_ratio_)):
    # Grab the variable that falls in the 95th percentile of the loadings
    indices = [k for k in range(0,len(pca.components_[i])) if abs(pca.components_[i][k]) >= np.percentile(abs(pca.components_[i]),95)]
    for j in indices:
        uniqueVariables.append(variables[j])

在上面的代码中，我将所有变量名存储在

variables

中。然后我选择了变量的指数，在这个指数中，荷载落在第95百分位之后（换句话说，对主成分贡献最大的变量）

我现在尝试绘制每个主成分的荷载图（此处仅显示1，例如，第三个主成分，由索引2标识）：

在这里，我们可以看到，我正在基于数据框中的列名和主成分的加载绘制此图。这将显示以下图表（删除列名）：

假设7个变量的列名是A到G

以下是该主分量的载荷情况：

array([ 0.43144526, -0.68946464,  0.01079084, -0.0601113 , -0.0156593 ,
       -0.02898552, -0.57764895])

我的问题是：如何确保0.43144的加载值属于

变量A

，而-0.57764的加载值属于

变量G

？我想确保正确的变量具有正确的加载

是否有更好的方法来确保正确的加载到正确的变量

array([ 0.43144526, -0.68946464,  0.01079084, -0.0601113 , -0.0156593 ,
       -0.02898552, -0.57764895])