构成PCA中PC1的原始功能百分比

Question

我用PCA找到了60台PC：

N_comp=60 
from sklearn.decomposition import PCA
pca = PCA(n_components = N_comp)
X_pca=pca.fit_transform(X_scale) #lower dimension data
eigenvalues=pca.components_

现在，我正在尝试查找我的功能（X数据的列）对PC1和PC2的贡献。例如，对于PC1，我想显示一个条形图，以显示前10个功能中每个功能的百分比，其中x轴带有功能标签。

类似这样的东西： https://i.stack.imgur.com/Hz24K.png

我正在尝试在python中执行此操作，但无法弄清楚如何找到功能名称。例如，我所做的就是排序以查找构成PC1的前十个功能变量：

N_elements=10
PC1=abs(eigenvalues[1,:])
PC1.sort(axis=0)
PC1=PC1[::-1]
PC1=PC1[0:N_elements]
PC1

产生的结果

array([0.17040832, 0.16937861, 0.1683676 , 0.16544657, 0.16491703,
   0.16491679, 0.16168056, 0.16108829, 0.16034576, 0.16029183])

并绘制：

plt.bar(range(N_elements), PC1, alpha=0.3, align='center')
plt.title('Contributions of variables to PC1')

但是这导致X轴仅是数字0到9（相当于10个元素）。我如何检索名称并将标签放在绘图栏上？

https://i.stack.imgur.com/iFdDt.png

非常感谢！