library(ade4)
library(ggplot2)
library(RColorBrewer)
library(vegan)
这里我们使用R自带得数据iris
data(iris)
在R语言中通常都会使用这个数据进行案例分析
#iris
data(iris)
iris
data01<-iris[,-5]#数据预处理,去掉最后一列得数据标签
data01
dis01<-vegdist(data01,method = "euclidean")#这里是为了算矩阵距离,方法根据数据选择合适得方法
dis01
pcoa1<- dudi.pco(dis01, scan = FALSE,nf=3)#进行PCoA分析
pcoa1
pcoa1_eig<-pcoa1$eig[1:2]/sum(pcoa1$eig)#算一下前两列对整个数据得解释比例
pcoa1_eig
samplesite1<-data.frame({pcoa1$li})[1:2]#将前两列的数据分析结果放到sample_site1里面
sample_site1
sample_site1$names<-rownames(sample_site1)#设置名称
sample_site1$names
iris$Species
sample_site1$level<-factor(iris$Species,levels = c("setosa","versicolor","virginica"))#设置level的标签
sample_site1$level
names(sample_site1)[1:2]<-c("PCoA1","PCoA2")
p<-ggplot(sample_site1, mapping=aes(PCoA1, PCoA2,color=level))+theme_classic()
p<-p+geom_point()#绘制散点图
p
r语言中bpinom函数的基本用法为:pbinom(x,size,,prob),该函数为事件的累积概率,它用于表示概率的单个值。例如:抛掷硬币100次,正面向上不超过50次的概率,即pbinom(50,100,0.5)。
r语言有四个内置函数来生成二项分布。它们的描述分别如下:
dbinom(x,size,prob)函数,该函数表示每个点的概率密度分布。
pbinom(x,size,prob)函数,该函数为事件的累积概率,它表示概率的单个值。
qbinom(p,size,prob)函数,该函数采用概率值,并给出累积值与概率值匹配的数字。
rbinom(n,size,prob)函数,该函数从给定样本产生给定概率的所需数量的随机值。
其中,x是数字的向量,p是概率向量,n是观察的数量,size是试验的数量,prob是每个试验成功的概率。