说明
之前使用k均值方法将数据划分到不同的簇中，但当变量个数大于2时，就无法在二维空间中展示数据聚类的过程，因此可以使用二元聚类图先将变量减少成两个主要成分，然后利用组件（诸如轴线和椭圆）来展示数据聚类的结果。
操作
载入包，绘制二元聚类图
library("cluster")
clusplot(customer,fit$cluster,color = TRUE,shade = TRUE)
二元聚类图
对二元聚类图进行标记并放大：
par(mfrow = c(1,2))
clusplot(customer,fit$cluster,color = TRUE,shade = TRUE)
rect(-0.7,-1.7,2.2,-1.2,border = "orange",lwd = 2)
clusplot(customer,fit$cluster,color = TRUE,xlim = c(-0.7,2.2),ylim =c(-1.7,-1.2))
原理
本节绘制了一个二元聚类图以展示数据聚类的过程，我们首先安装和导入cluster算法包，然后使用clusplot函数绘制customer数据集的二元聚类图，clusplot函数的shade和color参数值均被设置成TRUE,得到一个彩色且带边框的聚类。 在得到的结果图中，可以得知二元聚类使用了两个成分，x轴与y轴涵盖了85.01%的数据点，数据点根据成分1和成分2的取值散落在图中，同一簇内的数据点采用相同的颜色和形状绘制。
我们还使用了rect函数来增加一个矩形框对给定x轴和y轴内的簇进行特别标注，然后调用clusplot函数，设置好xlim与ylim参数的值，将被选中的簇放大到显示以便不好的观测簇内数据点的特征。
前言：接上一篇，很多文献中为了更直观的展示一个微环境中的菌群分布，常常将样本聚类与物种丰度同时展示。
1.数据结构
首先需要准备丰度数据表Abundance.txt和分组信息group.txt
丰度数据以样本为列名，以菌种为行名：
分组信息以列出了每个样本属于病例/对照组：
3.再画丰度图
丰度图其实就是堆叠图：
4.结果展示
前言： 仍然是三代测序数据的分析，宏基因组的文章中经常出现聚类热图和物种丰度图，用来直观地识别与某些疾病或者表型相关的菌群构成。
1.读取数据
一共有11个样本，每一个样本的测序reads都经过Nanopore官方的Epi2Me程序鉴定了物种，下表中第一列是被鉴定的菌种，第二列是该样本中每个物种产生的reads数目。
首先导入到R语言中，合并所有样本到一个数据框：
2.绘制热图
经过上一步，我们得到了列名为样本，行名为菌种的reads数据框，然后就可以绘制热图，进行聚类分析了：
绘制结果：
3.绘制物种丰度图
丰度图，其实就是堆积图，把每个样本的reads数目转换为百分数，然后作图就可以了：
绘制结果：
