溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要為大家展示了“如何利用R語言的ggplot2包繪制PCA圖”，內容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領大家一起研究并學習一下“如何利用R語言的ggplot2包繪制PCA圖”這篇文章吧。
一 載入數據集和R包
library(ggplot2)#使用經典iris數據集df <- iris[c(1, 2, 3, 4)]head(df) Sepal.Length Sepal.Width Petal.Length Petal.Width1 5.1 3.5 1.4 0.22 4.9 3.0 1.4 0.23 4.7 3.2 1.3 0.24 4.6 3.1 1.5 0.25 5.0 3.6 1.4 0.26 5.4 3.9 1.7 0.4
二 進行主成分分析
df_pca <- prcomp(df) #計算主成分df_pcs <-data.frame(df_pca$x, Species = iris$Species) head(df_pcs,3) #查看主成分結果 PC1 PC2 PC3 PC4 Species1 -2.684126 -0.3193972 0.02791483 0.002262437 setosa2 -2.714142 0.1770012 0.21046427 0.099026550 setosa3 -2.888991 0.1449494 -0.01790026 0.019968390 setosa
三 繪圖展示
3.1 基礎函數繪制PCA圖
plot(df_pca$x[,1], df_pca$x[,2])
3.2 ggplot2 繪制PCA圖
1) Species分顏色
ggplot(df_pcs,aes(x=PC1,y=PC2,color=Species))+ geom_point()
2）去掉背景及網格線
ggplot(df_pcs,aes(x=PC1,y=PC2,color=Species))+ geom_point()+ theme_bw() +theme(panel.border=element_blank(),panel.grid.major=element_blank(),panel.grid.minor=element_blank(),axis.line= element_line(colour = "black"))
3) 添加PC1 PC2的百分比
percentage<-round(df_pca$sdev / sum(df_pca$sdev) * 100,2)percentage<-paste(colnames(df_pcs),"(", paste(as.character(percentage), "%", ")", sep=""))ggplot(df_pcs,aes(x=PC1,y=PC2,color=Species))+geom_point()+ xlab(percentage[1]) +ylab(percentage[2])
4) 添加置信橢圓
ggplot(df_pcs,aes(x=PC1,y=PC2,color = Species))+ geom_point()+stat_ellipse(level = 0.95, show.legend = F) + annotate('text', label = 'setosa', x = -2, y = -1.25, size = 5, colour = '#f8766d') +annotate('text', label = 'versicolor', x = 0, y = - 0.5, size = 5, colour = '#00ba38') +annotate('text', label = 'virginica', x = 3, y = 0.5, size = 5, colour = '#619cff')
5) 查看各變量對于PCA的貢獻
df_r <- as.data.frame(df_pca$rotation)df_r$feature <- row.names(df_r)df_r PC1 PC2 PC3 PC4 featureSepal.Length 0.36138659 -0.65658877 0.58202985 0.3154872 Sepal.LengthSepal.Width -0.08452251 -0.73016143 -0.59791083 -0.3197231 Sepal.WidthPetal.Length 0.85667061 0.17337266 -0.07623608 -0.4798390 Petal.LengthPetal.Width 0.35828920 0.07548102 -0.54583143 0.7536574 Petal.Width
貢獻度繪圖
ggplot(df_r,aes(x=PC1,y=PC2,label=feature,color=feature )) + geom_point()+ geom_text(size=3)
四 PCA繪圖匯總展示
ggplot(df_pcs,aes(x=PC1,y=PC2,color=Species )) + geom_point()+xlab(percentage[1]) + ylab(percentage[2]) + stat_ellipse(level = 0.95, show.legend = F) +annotate('text', label = 'setosa', x = -2, y = -1.25, size = 5, colour = '#f8766d') +annotate('text', label = 'versicolor', x = 0, y = - 0.5, size = 5, colour = '#00ba38') +annotate('text', label = 'virginica', x = 3, y = 0.5, size = 5, colour = '#619cff') + labs(title="Iris PCA Clustering", subtitle=" PC1 and PC2 principal components ", caption="Source: Iris") + theme_classic()
以上是“如何利用R語言的ggplot2包繪制PCA圖”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
