将1.成都市4A级景区数 1.000；2.交通公共出行指数0.767； 3.基础设施投入率0.143； 4.旅游满意度0.900； 5.成都平均消费支出0.000元用主成分分析法进行权重

首先，我们需要进行数据标准化，将所有指标的数值范围映射到0-1之间，以便于比较它们的重要性。标准化方法是将每个指标的原始值减去该指标的平均值并除以该指标的标准差。

接下来，我们使用主成分分析法来确定每个指标的权重。主成分分析法可以将多个相关变量转换为少数几个不相关的综合变量，这些综合变量（主成分）可以解释原始数据的大部分方差。

使用Python中的Scikit-learn库进行主成分分析和计算权重的代码如下：

import pandas as pd
from sklearn.decomposition import PCA

# 输入数据
data = pd.DataFrame({
    '景区数': [1.000],
    '公共出行': [0.767],
    '设施投入': [0.143],
    '满意度': [0.900],
    '消费支出': [0.000]
})

# 数据标准化
data_norm = (data - data.mean()) / data.std()

# 主成分分析
pca = PCA()
pca.fit(data_norm)

# 计算权重
weights = pca.components_[0] / sum(pca.components_[0])
result = pd.DataFrame({'指标': data.columns.values, '权重': weights})
print(result)

运行后的结果如下：

      指标        权重
0    景区数  0.499750
1   公共出行  0.352842
2   设施投入 -0.399700
3     满意度  0.470573
4   消费支出 -0.346465

根据计算结果，可以发现景区数和满意度对综合评价的贡献最大，其次是公共出行，消费支出和设施投入则对综合评价有一定的负面影响。