R可视乎｜主成分分析结果可视化

庄闪闪

发布于 2021-04-09 11:29:26

1.5K0

发布于 2021-04-09 11:29:26

文章被收录于专栏：庄闪闪的R语言手册庄闪闪的R语言手册

简介

主成分分析法是很常用的一种数据降维方法[1]。该方法可以减少数据的维数，并保持对方差贡献最大的特征，相当于保留低阶主成分，忽略高阶主成分。

关于主成分的理论介绍和R语言代码实现可见前段时间赵西西写的推文：主成分分析。但是后面留了一个小尾巴，如果想对主成分结果进行可视化，那得怎么实现？有没有简便的方法呢？

正好这几天有读者问起，那今天就来说说这个问题吧。

方法一

使用ggbiplot包[2]中的ggbiplot()函数，该函数使用ggplot2对主成分进行可视化。函数内部参数如下

  ggbiplot(pcobj, choices = 1:2, scale = 1, pc.biplot =
  TRUE, obs.scale = 1 - scale, var.scale = scale, groups =
  NULL, ellipse = FALSE, ellipse.prob = 0.68, labels =
  NULL, labels.size = 3, alpha = 1, var.axes = TRUE, circle
  = FALSE, circle.prob = 0.69, varname.size = 3,
  varname.adjust = 1.5, varname.abbrev = FALSE, ...)

内部参数过多，就不做详细解释。如果对内部参数有兴趣可以通过帮助文档进行查询（?ggbiplot）。

这里使用鸢尾花数据，给出一个简单的例子。大家可以将自己的数据进行导入（如何导入？可见推文：R数据科学|第八章内容介绍），替换鸢尾花数据。

注意：检查自己数据集的数据结构是否和鸢尾花数据结构一致

这个包在github中，官方说可以使用以下参数进行下载（但是小编下载不了，只能通过强暴的方法进行，具体可见推文：。该压缩包已经处理成tar.gz放到公众号内了，如有需要，后台回复[ggbiplot]即可获得）。

使用prcomp()进行主成分分析，然后将结果保存到res.pca变量中。之后使用ggbiplot()进行可视化。其中观测的尺度因子为1（obs.scale = 1），变量的尺度因子为1（var.scale = 1），每组绘制一个椭圆（ellipse = TRUE）并添加相关系数的圆。

# install_github("vqv/ggbiplot")
library(ggbiplot)
res.pca <- prcomp(iris[, -5],  scale = TRUE)
ggbiplot(res.pca, obs.scale = 1, var.scale = 1, ellipse = TRUE, circle = TRUE)

如果想给不同组别添加分别显示不同颜色，则可以使用参数groups，然后设定为原始数据对应的组别向量（如果你的原始数据没有该列数据，可以自行构造一个向量。）

# 添加组别颜色
ggbiplot(res.pca, obs.scale = 1, var.scale = 1, ellipse = TRUE,groups = iris$Species, circle = TRUE)

当然你可以在此基础上加入ggplot内部的参数，比如更改主题，更改颜色，添加标题等一系列操作。

# 更改主题
ggbiplot(res.pca, obs.scale = 1, var.scale = 1, ellipse = TRUE,groups = iris$Species, circle = TRUE) +
  theme_bw() +
  theme(panel.grid = element_blank()) +
  scale_color_brewer(palette = "Set2") +
  labs(title = "庄闪闪的R语言手册",subtitle = "快来关注这个宝藏公众号呀！",caption ="绘于：洞头岛")

小编最近有幸上了两节线上的R语言数据可视化公益课，把R语言base包以及ggplot语法系统的过了一遍，如果需要补补可视化基础的朋友，可移步我的b站[账号名：庄闪闪]，视频回放已等你多时了?。

方法二

使用FactoMineR包[3]的PCA()函数或者使用基础包的prcomp()函数进行数据降维处理，然后使用factoextra包[4]的fviz_pca_ind()函数对结果进行可视化。

这里还是以鸢尾花的数据作为例子，沿用方法一的主成分分析结果res.pca。

这个包内部有四个主要绘制主成分结果的函数。

fviz_pca_ind(): 各样本的散点图
fviz_pca_var(): 变量图
fviz_pca_biplot(): 各个样本和变量的联合图
fviz_pca(): fviz_pca_biplot()的别名

内部参数不做过多介绍，有兴趣的读者请看帮助文档。这里只对下面的代码中出现的参数进行解释。

各样本的散点图

使用散点图进行绘制（geom = "point"），颜色使用"cos2"（col.ind="cos2"），使用3阶梯度颜色（gradient.cols = c("white", "#2E9FDF", "#FC4E07" )）。

library(ggplot2)
library(factoextra) #可以直接通过install.packages()进行下载
# 各个样本图
fviz_pca_ind(res.pca, col.ind="cos2", geom = "point",
             gradient.cols = c("white", "#2E9FDF", "#FC4E07" ))

展示分组变量信息

如果想展示分组变量信息，可以通过habillage参数设定，和第一种方法类似，这里还加入了一些细节：各组添加椭圆（addEllipses=TRUE），图的版式使用"Dark2"（palette = "Dark2"）。

fviz_pca_ind(res.pca, label="none", habillage=iris$Species,
             addEllipses=TRUE, ellipse.level=0.95, palette = "Dark2")

当然可以使用palette = c("#999999", "#E69F00", "#56B4E9")，根据论文全文配色，进行手动调整。

fviz_pca_ind(res.pca, label="none", habillage=iris$Species,
             addEllipses=TRUE, ellipse.level=0.95,
             palette = c("#999999", "#E69F00", "#56B4E9"))

个体和变量的双图

如果想绘制个体和变量的双图，可以使用fviz_pca_biplot()，内部其他参数构造相同，然后可以添加各种其他ggplot的函数，例如：

# 个体和变量的双图
# 只保留变量的标签 #按组改变颜色，添加省略号
fviz_pca_biplot(res.pca, label = "var", habillage=iris$Species,
                addEllipses=TRUE, ellipse.level=0.95,
                ggtheme = theme_bw()) +
  theme(panel.grid = element_blank()) +
  scale_color_brewer(palette = "Set1") +
  labs(title = "庄闪闪的R语言手册",subtitle = "快来关注这个宝藏公众号呀！",caption ="绘于：洞头岛")