PCA降维：使用鸢尾花数据集演示

这段代码的作用是进行主成分分析（PCA）并使用鸢尾花数据集进行演示。下面是代码的解析：

首先，定义了一个变量'k'并赋值为2，表示要保留的主成分的数量。
创建了一个PCA对象'pca'，并将'n_components'参数设置为'k'，即保留2个主成分。
加载鸢尾花数据集，并将数据存储在'iris_dataset'变量中。
调用'pca.fit()'方法，对'iris_dataset'进行主成分分析。
打印出主成分分析后的均值，使用'pca.mean_'属性。
打印出主成分分析后的方差比例，使用'pca.explained_variance_ratio_'属性。
打印出主成分分析后的主成分，使用'pca.components_'属性。
调用'pca.transform()'方法，对'iris_dataset'进行转换，并将结果存储在'X'变量中。
定义了一个变量'species_value'，赋值为2，表示要选择的真实数据分布的鸢尾花种类。
通过列表推导式，找到'iris_fulldata['target']'中值为'species_value'的索引，并将这些索引存储在'species_ind'变量中。
打印出所选鸢尾花种类的名称，使用'iris_fulldata['target_names'][species_value]'。
最后，代码打印出了'Loading Iris Data....'和'Picking : Iris-'的提示信息。

总之，这段代码主要展示了如何使用PCA对鸢尾花数据集进行降维，并选择特定的鸢尾花种类作为真实数据分布的示例。