首先这玩意是干啥的？在什么情况下需要用到主成分因子分析？ 首先是我们无法特别明确的界定一个事情的好与坏，如果能够明确界定那就直接上二分类了嘛。就是无法特别明确界定好坏，但是从业务上也知道这些指标对于我们想要评价的这个事情的好坏有着正向或者是负向的关系，影响的维度比较多，并且也无法确定每个维度的权重，我们需要通过这些指标来得出一个事情的综合好坏。这个时候就适合用此方法。先把这一堆指标降维融合、精简到几个指标，再通过这几个合成的核心指标来计算综合得分，进而评价样本水平。

需要用到factor_analyzer这个因子分析的包，自己去pypi搜索下载下来本地pip install一下就行

我们需要通过碎石图来判断主成分提取的因子个数，提取特征值大于1的因子，因此取6个因子；当然也不是非得卡死1，也得看尽量保证选择的因子能够让累计方差贡献率在80%以上，也就是说，我主成分降维后，优选出来的这几个变量能够表达原来全部变量的80%以上的信息。

为什么用累计方差贡献占比来当各个因子的权重？在这之后的某一天我突然想明白了，方差代表着变量中各个样本的差异，方差越大就代表差异越大，也就意味着这个大方差的变量能够很好的区分出各个样本的差距，想的极端一点，假设某个方差趋近于0的变量，就说明样本之间无明显差异，那这个变量不就相当于是废的么。如此看来，越能更好区分样本差异的变量，给的权重就越高确实挺科学。