用R语言做PCA的具体步骤

Python022

用R语言做PCA的具体步骤,第1张

#导入你的矩阵，我的矩阵是包含列名称和行名称的

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