以下がPythonでの主成分分析のコード例です。

```python
import numpy as np
from sklearn.decomposition import PCA

# サンプルデータの準備
X = np.random.rand(100, 3)

# 主成分分析の実行
pca = PCA(n_components=2)
X_pca = pca.fit_transform(X)

# 結果の表示
print("PCA explained variance ratio:", pca.explained_variance_ratio_)
print("PCA components:", pca.components_)
print("PCA transformed data:", X_pca)
```

このコードはNumPyとscikit-learnを使って主成分分析を実行しています。まず、サンプルデータとして100行3列のランダムな行列`X`を用意します。そして、PCAクラスのオブジェクトを作成し、`fit_transform`メソッドを使って主成分分析を実行しています。この操作によって、元のデータセットが2次元の新しいデータセットに変換されます。`explained_variance_ratio_`属性は、各主成分の説明された分散の割合を示します。`components_`属性は、主成分の方向ベクトルを表します。`transformed_data`は、PCAによって変換された新しいデータセットです。

ジョークとしては、主成分分析は「データを圧縮する」とも言えるため、「データ穴あきマスク」とか、もう少し砕けた表現で「データ縮図鑑」と呼んでみるのも面白いかもしれません。