B选项是正确的代码

正确答案是 B: `VarianceThreshold(threshold = 1).fit_transform(X)`。

**分析：**

方差选择法是一种特征选择的方法，通过移除那些方差低于某个阈值的特征来减少数据集的维度。`VarianceThreshold` 是 Scikit-learn 库中的一个类，用于执行这种操作。

- **A: `VarianceThreshold(threshold = 1).fit(X)`**
- 这个代码仅仅是对数据进行拟合（fit），并不会返回变换后的数据。它只是计算了每个特征的方差，但没有进行特征选择。

- **B: `VarianceThreshold(threshold = 1).fit_transform(X)`**
- 这个代码首先对数据进行拟合，然后返回变换后的数据，即移除了方差小于1的特征。这是我们需要的结果。

- **C: `VarianceThreshold(variances = 1).fit_transform(X)`**
- `VarianceThreshold` 类没有 `variances` 这个参数，只有 `threshold` 参数。因此，这段代码是错误的。

- **D: `VarianceThreshold(variances = 1).fit(X)`**
- 同样，`VarianceThreshold` 类没有 `variances` 这个参数，因此这段代码也是错误的。

因此，选择 B 是正确的，因为它不仅对数据进行了拟合，还返回了变换后的数据。