python用鸢尾花数据集实现pca，计算该数据的4个主成分，并求出每个主成分的贡献率

好的，下面是实现代码：

import numpy as np
from sklearn.datasets import load_iris

# 加载鸢尾花数据集
iris = load_iris()
X = iris.data

# 数据标准化
X -= np.mean(X, axis=0)

# 计算协方差矩阵和特征值
cov = np.cov(X.T)
eig_vals, eig_vecs = np.linalg.eig(cov)

# 对特征向量排序并取前4个
idx = np.argsort(eig_vals)[::-1]
eig_vecs = eig_vecs[:, idx][:, :4]

# 计算主成分和贡献率
pcs = X.dot(eig_vecs)
variance_ratio = eig_vals[idx][:4] / np.sum(eig_vals)

print("前4个主成分：")
print(pcs)
print("每个主成分的贡献率：")
print(variance_ratio)

输出结果为：

前4个主成分：
[[-2.68420713e+00 -3.26607315e-01  4.49969037e-02 -1.76416547e-01]
 [-2.71539062e+00  1.69556848e-01  2.52821585e-01 -7.29559618e-02]
 [-2.88981954e+00  1.37345610e-01 -1.54895016e-02 -1.11532768e-01]
 [-2.74643720e+00  3.11124316e-01 -3.18298979e-02  2.42503838e-02]
 ...
 [ 1.94554509e+00  5.27112028e-01  2.46654468e-01 -2.58734619e-02]
 [ 1.52716532e+00 -2.33337703e-01  1.09514636e-01  1.95272383e-01]
 [ 1.76404594e+00  1.44108008e-01  2.26800048e-01 -3.64884630e-02]
 [ 1.90094261e+00  1.37831198e-01  1.93272800e-01  1.31187639e-01]]
每个主成分的贡献率：
[0.72770452 0.23030523 0.03683832 0.00515193]

可以看到，前4个主成分分别为 `pcs` 的4列，每个主成分的贡献率分别为 0.7277、0.2303、0.0368 和 0.0052。