主要内容参考自
https://github.com/Tom-Jenkins/utility_scripts
展示主成分分析的结果比较常用的是散点图加椭圆分组边界的形式，比如如下这种
image.png
见天看到了另外一种形式 ，就是如下的效果，每一组确定一个中心点，这组的其余的点和中心点连线
image.png
下面开始实现过程
使用之前提到过的3个品种的小麦种子的数据，需要示例数据的可以直接留言
读入数据
df<-read.csv("kaggle/Seed_Data.csv")
主成分分析
df.pca<-prcomp(df[,1:7],scale. = T)
pca.results<-data.frame(df.pca$x)[,1:2]
pca.results$target<-paste0('cultivar',df$target)
主成分分析可以参考一下这个链接
http://www.sthda.com/english/articles/31-principal-component-methods-in-r-practical-guide/112-pca-principal-component-analysis-essentials/
计算中心点
centroid <- aggregate(cbind(PC1,PC2) ~ target,
data = pca.results,
FUN = mean)
与主成分分析的结果合并
pca.results1<-dplyr::left_join(pca.results, centroid, by = "target",
suffix = c("",".cen"))
生成3个颜色
library(RColorBrewer)
show_col(brewer.pal(3, "Set1"))
cols = brewer.pal(3, "Set1")
cols
自定义ggplot2的主图设置
library(ggplot2)
ggtheme = theme(legend.title = element_blank(),
axis.text.y = element_text(colour="black", size=14),
axis.text.x = element_text(colour="black", size=14),
axis.title = element_text(colour="black", size=14),
legend.position = "right",
legend.text = element_text(size=15),
legend.key = element_rect(fill = NA),
legend.key.size = unit(0.7, "cm"),
legend.box.spacing = unit(0, "cm"),
panel.border = element_rect(colour="black", fill=NA, size=1),
panel.background = element_blank(),
# title centered
plot.title = element_text(hjust=0.5, size=25)
)
画图代码
ggplot(pca.results1,aes(x=PC1,y=PC2))+
geom_vline(xintercept = 0,lty="dashed")+
geom_hline(yintercept = 0,lty="dashed")+
geom_point(aes(color=target))+
geom_segment(aes(xend=PC1.cen,yend=PC2.cen,color=target),
show.legend = F)+
ggtheme+
scale_colour_manual(values = cols)+
geom_label(data = centroid,
aes(label = target, fill = target), size = 5,
show.legend = FALSE,
color="white")+
scale_fill_manual(values = cols)+
theme(legend.position = "top")
image.png
欢迎大家关注我的公众号
小明的数据分析笔记本
小明的数据分析笔记本 公众号 主要分享：1、R语言和python做数据分析和数据可视化的简单小例子；2、园艺植物相关转录组学、基因组学、群体遗传学文献阅读笔记；3、生物信息学入门学习资料及自己的学习笔记！
