今天是2020年的最后一天,这一年多灾多难,让我们唏嘘不已。不论2020如何,生活仍要继续,希望即将到来的2021年,可以‘牛’转乾坤。
这也是2020年的最后一篇博客了,在这里给大家介绍一下。目前R语言的几种降维方式。
首先需要配置数据
data<-matrix(rnorm(3000),ncol=6)
colnames(data)=paste0('gene',1:6)
rownames(data)=c(paste0(rep('C',nrow(data)/2),1:(nrow(data)/2)),
paste0(rep('P',nrow(data)/2),1:(nrow(data)/2)))
head(data)
1、PCA降维
data.pca <- prcomp(t(data), scale. = TRUE)
head(data.pca$rotation)
pca_data=data.pca$rotation[,1:2]
pca_data=data.frame(sample=rownames(pca_data),
pca_data,
group=c(rep('C',nrow(data)/2),rep('P',nrow(data)/2)))
head(pca_data)