如何解决使用主要成分构建得分图
我正在尝试创建前两个主要成分的得分图。首先，将数据基于class分成三个数据帧。然后，我转换数据并执行PCA。
我的数据如下：
14 1 82.0 12.80 7.60 1070 105 400
14 1 82.0 11.00 9.00 830 145 402
14 1 223.6 17.90 10.35 2200 135 500
15 1 164.0 14.50 9.80 1946 138 500
15 1 119.0 12.90 7.90 1190 140 400
15 1 74.5 7.50 6.30 653 177 350
15 1 74.5 11.13 8.28 930 113 402
16 1 279.5 14.30 9.40 1575 230 700
16 1 82.0 7.80 6.70 676 175 525
16 1 67.0 11.00 8.30 920 106 300
16 2 112.0 11.70 8.00 1353 140 560
16 2 149.0 12.80 8.70 1550 170 550
16 2 119.0 8.50 7.40 888 175 250
16 2 119.0 13.30 9.60 1275 157 450
16 2 238.5 14.90 8.90 1537 183 700
16 2 205.0 12.00 7.90 1292 201 600
16 2 82.0 9.40 6.20 611 209 175
16 2 119.0 15.95 10.25 1350 145 450
16 2 194.0 16.74 10.77 1700 120 450
17 2 336.0 22.20 10.90 3312 135 450
17 3 558.9 23.40 12.60 4920 152 600
17 3 287.0 14.30 9.40 1510 176 800
17 3 388.0 23.72 11.86 3625 140 500
17 3 164.0 11.90 9.80 900 190 600
17 3 194.0 14.40 9.20 1665 175 600
17 3 194.0 14.40 8.90 1640 175 600
17 3 186.3 9.70 8.00 1081 205 600
17 3 119.0 8.00 6.50 625 196 400
17 3 119.0 9.40 6.95 932 165 250
17 3 89.4 14.55 9.83 1378 146 400
第1列：type，第2列：class，第3列：v1，第4列：v2，第5列：v3，第6列：v4，第7列：v5，第8列：v6
我的代码如下：
data <- read.csv("data.csv")
result <- split(data,data$class);
data1 <- result[[1]][,3:8];
data1Logged <- log10(data1)
pca.data1Logged = prcomp( ~ v1 +
v2 +
v3 +
v4 +
v5 +
v6,data = data1Logged,scale. = FALSE );
data2 <- result[[2]][,3:8];
data2Logged <- log10(data2)
pca.data2Logged = prcomp( ~ v1 +
v2 +
v3 +
v4 +
v5 +
v6,data = data2Logged,scale. = FALSE );
data3 <- result[[3]][,3:8];
data3Logged <- log10(data3)
pca.data3Logged = prcomp( ~ v1 +
v2 +
v3 +
v4 +
v5 +
v6,data = data3Logged,scale. = FALSE );
对于三个class中的每一个，我想获得PC1和PC2的得分图：
pca.data1Logged$x[,1:2]
pca.data2Logged$x[,1:2]
pca.data3Logged$x[,1:2]
这是我能找出的最好的方法：
opar <- par(mfrow = c(1,3))
plot(pca.data1Logged$x[,1:2])
plot(pca.data2Logged$x[,1:2])
plot(pca.data3Logged$x[,1:2])
par(opar)
但是我希望此图可以缩放，着色，叠加等。我已经开始阅读有关ggplot的文章，但是我没有经验。我想要以下内容：
https://cran.r-project.org/web/packages/ggfortify/vignettes/plot_pca.html
上述问题是我将数据分为3个单独的数据帧，因此没有“ class1”，“ class2，“ class3”的标题。
解决方法
您可以像使用factoextra和FactoMineR
library("factoextra")
library("FactoMineR")
#PCA analysis
df.pca <- PCA(df[,-c(1,2)],graph = T)
# Visualize
# Use habillage to specify groups for coloring
fviz_pca_ind(df.pca,label = "none",# hide individual labels
habillage = as.factor(df$class),# color by groups
palette = c("#00AFBB","#E7B800","#FC4E07"),addEllipses = TRUE # Concentration ellipses,legend.title = "Class")
您可以手动将Dim1和2更改为PC1和2。为此，您可以从该图中记下“ Dim1（63.9％）”和“ Dim2（23.3％）”的值，并使用以下代码将Dim1和2更改为PC1和2，例如
fviz_pca_ind(df.pca,addEllipses = TRUE,# Concentration ellipses
xlab = "PC1 (63.9%)",ylab = "PC2 (23.3%)",legend.title = "Class")
如果要对数据进行日志转换，则可以使用
df[,3:8] <- log10(df[,3:8])
df.pca <- PCA(df,graph = T)
fviz_pca_ind(df.pca,# Concentration ellipses
legend.title = "Class")
要将Dim1和2手动更改为PC1和2，可以使用以下代码
fviz_pca_ind(df.pca,# Concentration ellipses
xlab = "PC1 (64.9%)",ylab = "PC2 (22.6%)",legend.title = "Class")
数据
df =
structure(list(Type = c(14L,14L,15L,16L,17L,17L),class = c(1L,1L,2L,3L,3L),v1 = c(82,82,223.6,164,119,74.5,279.5,67,112,149,238.5,205,194,336,558.9,287,388,186.3,89.4),v2 = c(12.8,11,17.9,14.5,12.9,7.5,11.13,14.3,7.8,11.7,12.8,8.5,13.3,14.9,12,9.4,15.95,16.74,22.2,23.4,23.72,11.9,14.4,9.7,8,14.55),v3 = c(7.6,9,10.35,9.8,7.9,6.3,8.28,6.7,8.3,8.7,7.4,9.6,8.9,6.2,10.25,10.77,10.9,12.6,11.86,9.2,6.5,6.95,9.83),v4 = c(1070L,830L,2200L,1946L,1190L,653L,930L,1575L,676L,920L,1353L,1550L,888L,1275L,1537L,1292L,611L,1350L,1700L,3312L,4920L,1510L,3625L,900L,1665L,1640L,1081L,625L,932L,1378L
),v5 = c(105L,145L,135L,138L,140L,177L,113L,230L,175L,106L,170L,157L,183L,201L,209L,120L,152L,176L,190L,205L,196L,165L,146L),v6 = c(400L,402L,500L,400L,350L,700L,525L,300L,560L,550L,250L,450L,600L,800L,400L)),class = "data.frame",row.names = c(NA,-30L))
您可以查找单独的结果并添加在plot中使用的颜色列。
rb <- rbind(cbind(pca.data1Logged$x[,1:2],d=2),cbind(pca.data2Logged$x[,d=3),cbind(pca.data3Logged$x[,d=4))
plot(rb,col=rb[,"d"],pch=20,main="PCA Plot")
legend("bottomleft",paste("data",1:3),col=2:4,pch=20)
数据：
data <- read.table(header=F,text="14 1 82.0 12.80 7.60 1070 105 400
14 1 82.0 11.00 9.00 830 145 402
14 1 223.6 17.90 10.35 2200 135 500
15 1 164.0 14.50 9.80 1946 138 500
15 1 119.0 12.90 7.90 1190 140 400
15 1 74.5 7.50 6.30 653 177 350
15 1 74.5 11.13 8.28 930 113 402
16 1 279.5 14.30 9.40 1575 230 700
16 1 82.0 7.80 6.70 676 175 525
16 1 67.0 11.00 8.30 920 106 300
16 2 112.0 11.70 8.00 1353 140 560
16 2 149.0 12.80 8.70 1550 170 550
16 2 119.0 8.50 7.40 888 175 250
16 2 119.0 13.30 9.60 1275 157 450
16 2 238.5 14.90 8.90 1537 183 700
16 2 205.0 12.00 7.90 1292 201 600
16 2 82.0 9.40 6.20 611 209 175
16 2 119.0 15.95 10.25 1350 145 450
16 2 194.0 16.74 10.77 1700 120 450
17 2 336.0 22.20 10.90 3312 135 450
17 3 558.9 23.40 12.60 4920 152 600
17 3 287.0 14.30 9.40 1510 176 800
17 3 388.0 23.72 11.86 3625 140 500
17 3 164.0 11.90 9.80 900 190 600
17 3 194.0 14.40 9.20 1665 175 600
17 3 194.0 14.40 8.90 1640 175 600
17 3 186.3 9.70 8.00 1081 205 600
17 3 119.0 8.00 6.50 625 196 400
17 3 119.0 9.40 6.95 932 165 250
17 3 89.4 14.55 9.83 1378 146 400")
names(data) <- c("sth","class",paste0("v",1:6))
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。