Python 值如何对应PCA中的列？方差？比率？

我有一些数据帧

df

，想在上面使用解释的方差比

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\u variation\u ratio\u

的结果仍然是一样的。那么，我如何才能知道值如何对应于列呢？

PCA是不变的到功能的/变量的排列（列）

从pca.explained_variance_ratio（解释的方差比）中获得的值是每个

分量的解释方差比

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

因为，
pca中有6个值。解释的方差比
意味着
n分量
为6

这些值对应于主成分/轴，您可以看到PC1解释了方差的38.9%，PC2解释了方差的25.27%e.t.c.
在交换时您在谈论哪些列？输入功能<代码>解释的方差比等于PCA的输出成分数，而不是输入。事实上，输入列的顺序与主成分的计算无关