python3を用いて因子分析を実行したい！！

使用している言語

Python3

前提・実現したいこと

因子分析を実行したい！！
のですが、その際に、因子得点、共通性、独自性、因子負荷行列もデータフレームとして出力したいのですが、どうすればよいのか見当が付きません。。。

言い換えると、
◆”def my_scaler(X, df_columns)”と、”def my_fa(X_sc, Y, n)”の関数の中で行われている操作を解読できないので、各行でそのような操作が実行されているのかを教えていただきたいです。
◆因子得点、共通性、独自性、因子負荷行列もデータフレームとして出力したい

※なお、以下のコートは
https://hk29.hatenablog.jp/entry/2018/06/09/010424
を参考に書きました。

該当のソースコード

import pandas as pd
import numpy as np
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import matplotlib.patches as patches
from sklearn import datasets
from sklearn import linear_model
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import FactorAnalysis as FA

def my_load_dataset(): # データセットを読み込みXとYで返す
    boston = datasets.load_boston()
    boston_df=pd.DataFrame(boston.data) # 説明変数Xをpandas形式に変換
    boston_df.columns = boston.feature_names # カラム名を挿入
    boston_df['PRICE'] = pd.DataFrame(boston.target) # 目的変数Yをカラム名PRICEで追記   
    x_df = boston_df.drop("PRICE", axis=1) # Xデータのみ抽出。pandas形式で列名有り
    #Y_df = boston_df.loc[:,['PRICE']] # Yデータのみ抽出。pandas形式で列名有り
    y = boston_df.PRICE # Yデータのみ抽出。カラム名を指定して抽出のため、列名はない
    df_columns = boston.feature_names
    return x_df, y, df_columns # XYデータをタプルで返す。[]を付けた場合はリストとなる。

def my_scaler(X, df_columns): # 説明変数Xを標準化
    scaler = StandardScaler()
    x_sc = scaler.fit_transform(X)
    ### plot    
    # sklearnの上記のようなfit関連の実行後、データの書式がnumpy形式となりカラム(列)名が無くなる。
    # そのため、再度、pandas形式に変換する(次の2行)。これはグラフの軸名で使用するため。
    x_sc = pd.DataFrame(x_sc)
    x_sc.columns = df_columns
    return x_sc

def my_fa(X_sc, Y, n): # 因子分析
    fa = FA(n_components=n, max_iter=500)
    fa.fit(X_sc)
    print("fa.components_")
    print(fa.components_)
    
    x_fa = fa.fit_transform(X_sc)
    ### plot
    x_data = x_fa[:,0]
    y_data = x_fa[:,1]
    fa0 = fa.components_[0]
    fa1 = fa.components_[1]
    plt.figure(figsize=(20,20))
    plt.scatter(x_data, y_data, c=Y/len(set(Y)), marker=".")
    for i in range(fa0.shape[0]):
        plt.arrow(0, 0, fa0[i]*1.5, fa1[i]*1.5, color='r', width=0.0005, head_width=0.07, alpha=0.8)
        plt.text(fa0[i]*1.8, fa1[i]*1.8, X_sc.columns.values[i], color='r', fontsize = 18)
    plt.xlim([-2.5,2.5])
    plt.ylim([-2.5,2.5])
    plt.xlabel('Factor 1', fontsize = 20)
    plt.ylabel('Factor 2', fontsize = 20)
    plt.title(str(n)+" factor", fontsize = 20)
    plt.tick_params(labelsize = 18)
    plt.grid()
    c = patches.Circle(xy=(0, 0), radius=1, ec='r', fill=False)
    plt.axes().add_patch(c)
    #plt.show()
    plt.savefig("FA_" + str('%02g' %n) + '.png')


if __name__ == '__main__':
    # データセットを読み込み次のの3つを返す。X, Y, 説明変数Xのカラム(列)名
    data = my_load_dataset()
    X = data[0]
    Y = data[1]
    df_columns = data[2]
    print(X)
    
    # 説明変数Xを標準化
    X_sc = my_scaler(X, df_columns)
    print(X_sc)
    
    # 因子分析
    mycheck_Num=[2,3,12,13]
    for i in mycheck_Num:
        print(i)
        my_fa(X_sc, Y, i)