exp = read.table('exp.txt', header = TRUE ,sep = '\t' )
require(graphics)#调用PCA画图的包
#做PCA时,不要行名称所以从第二列开始
PCA1 = princomp(exp[,2:(dim(exp)[2]-1)] )
summary(PCA1)
pc = loadings(PCA1)
Comp.1 = PCA1$loadings[,1]
Comp.2 = PCA1$loadings[,2]
plot(Comp.1,Comp.2 ,col = c('red','red','red','green','green','green','blue','blue','blue'))
#此数据分为三组,所以我画了不同的颜色。
#这是做PCA以及画图的简单流程,供参考!
示例数据来自于R语言包 poppr ,csv文件存储,数据格式如下
使用到的是R语言的 poppr 包中的 read.genalex() 函数
poppr 第一次使用需要先安装
读入数据
读入数据直接是 genclone object,使用函数 genclone2genind() 将其转换成genind object,接下来使用 ade4 包中的 dudi.pca() 函数做主成分分析
主成分的结果存储在li中
还是认为的分个组,然后做散点图
明天的推文再继续这部分内容吧!
使用R语言为PCA散点图加置信区间的方法,我知道的有三种,分别是使用ggplot2,ggord,ggfortify三个包去绘制。后面两个R包是基于ggplot2的快捷返方法。
现在拿一组数据集为例,使用先R中的prcomp()基础函数完成主成分分析