pca图解读_利用R绘制PCA分析图（2）

前些天学习了一个主成分分析图，那个图的作用主要是分析几个主成分能够代表样本变异。今天这个图的主要作用是分析不同样本在PC1和PC2作用下的聚类情况

步骤：

mydata1

#导入数据

pca1

#计算主成分，并获得分析结果。scale=TRUE

表示按照比例缩放，但具体内容不在本文讨论范围，只列出计算公式(scale(x,scale=F,center=T) 计算结果等价于

x-mean(x)

scale(x,scale=T,center=F) 计算结果等价于

x/sqrt(sum(x^2)/(length(x)-1))

scale(x,scale=T,center=T) 计算结果等价于

(x-mean(x))/sd(x)

sd计算标准差)

head(pca1$x)

#查看主成分结果

主成分分析结果

​scores=as.data.frame(pca1$x)

#判断pca1$x是否为数据框，如果不是就将其转换为数据框

​library(ggplot2)

#载入ggplot2包

ggplot(data=scores,aes(x=PC1,y=PC2,label=rownames(scores)))+geom_hline(yintercept=0,colour="gray65")+geom_vline(xintercept=0,colour="red")+geom_text(colour=