如何确定代码中说明的“主要组件”具有哪些功能？

Question

我正在使用34种功能进行语音情感识别的研究，但是我尝试使用PCA找到最重要的功能。

我发现了主要成分的价值以及与之相关的情感。我尝试使用inverse_transform，但是输出与我的数据帧不同。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler
import sys

def pca():
    df = pd.read_excel ('/Users/MaxEdelman/Documents/meanDf.xlsx')
    features = df.columns[1:35]
    x = df.iloc[:, 1:35].values
    y = df.loc[:, ['emotion']].values
    x = StandardScaler().fit_transform(x)
    pd.DataFrame(data=x, columns=features).head()
    pca = PCA(n_components=2)
    principalComponents = pca.fit_transform(x)
    principalDf = pd.DataFrame ( data=principalComponents, columns= 
    ['principal component 1', 'principal component 2'])
    finalDf = pd.concat([principalDf, df[['emotion']]], axis=1 )

我如何确定这些成分从何而来？