【R语言】factoextra生成发表级PCA主成分分析图（三）

生信交流平台

发布于 2022-09-21 18:40:23

4410

发布于 2022-09-21 18:40:23

文章被收录于专栏：用户7627119的专栏用户7627119的专栏

前面我们们给大家简单介绍了

☞【R语言】factoextra生成发表级PCA主成分分析图（一）

☞【R语言】factoextra生成发表级PCA主成分分析图（二）

今天我们来看看如何在主成分分析之后得到的新的空间中同时展示样本和特征。

#首先我们需要安装下面这两个R包
install.packages("factoextra")
install.packages("FactoMineR")

#加载这两个R包
library(FactoMineR)
library(factoextra)

#做PCA分析，第五列为物种，非数值属性需要去除
iris.pca <- PCA(iris[,-5], graph = T)

接下来我们就来同时展示样本和特征

fviz_pca_biplot(iris.pca,
                label = "var" #只标注变量，不标注样本
                )

根据样本类型来对样本着色

fviz_pca_biplot(iris.pca, 
                label = "var",  #只标注变量，不标注样本
                habillage=iris$Species  #根据样本类型着色
)

观察仔细的小伙伴可能发现，在上面这张图里面有三个点比其他点要大一些，其实这三个点是三个组的中心点。那么我们怎么去除各组的中心点呢？其实只需要修改mean.poin这个参数就可以了

#去除各组的中心点
fviz_pca_biplot(iris.pca, 
                col.var="red",  #设置特征颜色为红色
                label = "var",  #只标注变量，不标注样本
                mean.point=F,#去除分组的中心点
                habillage=iris$Species #根据样本类型着色
)

中心点不见了

根据特征的贡献度对特征着色

#根据特征的贡献度对特征着色
fviz_pca_biplot(iris.pca, 
                label = "var", #只标注变量，不标注样本
                col.var="contrib", #根据特征的贡献度对特征着色
                gradient.cols = c("#00AFBB", "#E7B800", "#FC4E07")
                )

你会发现这个时候变量有不同的颜色了，我们能不能同时让样本也有不同的颜色呢？

尝试同时给样本和变量着色

fviz_pca_biplot(iris.pca, 
                label = "var", #只标注变量，不标注样本
                col.var="contrib", #根据特征的贡献先对特征着色
                habillage=iris$Species, #根据样本类型着色
                gradient.cols = c("#00AFBB", "#E7B800", "#FC4E07")
)

天不遂人愿，得到一个错误。