ggplot2作图之PcoA

原创已于 2023-04-06 22:16:24 修改 · 822 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#前端 #python #开发语言

于 2022-09-24 22:11:48 首次发布

ggplot2 专栏收录该内容

10 篇文章

订阅专栏

这段代码使用R语言的tidyverse、ape和ade4库对鸢尾花数据集进行了主坐标分析（PCA）。首先，对数据集中的数值特征进行标准化，然后计算距离矩阵，并执行PCA。接着，将PC1和PC2坐标与物种信息结合，创建了一个散点图，用颜色区分不同物种，并展示了95%置信椭圆。图中还标出了坐标轴的百分比贡献。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

library(tidyverse)

theme_set(theme_test())
library(ape)

library(ade4)

pcoa.data <- iris %>% mutate(Sepal.Length = scale(Sepal.Length),
                             Sepal.Width = scale(Sepal.Width),
                             Petal.Length = scale(Petal.Length),
                             Petal.Width = scale(Petal.Width))

tab.dist <- dist(pcoa.data[,-5])
pcoa <- pcoa(tab.dist)
pcoa_eig <- pcoa$values

sample_site <- pcoa$vectors%>%as.data.frame()

names(sample_site)[1:2] <- c("x","y")

sample_site <- data.frame(sample_site,iris$Species)

sample_site%>%ggplot()+
  geom_point(aes(x,y,color=iris.Species),size = 1.5)+
  geom_vline(xintercept = 0, color = 'gray', size = 0.4) +
  geom_hline(yintercept = 0, color = 'gray', size = 0.4) +
  stat_ellipse(aes(x,y,color = iris.Species,fill = iris.Species),
               geom ="polygon",level = 0.95,size = 0.5,alpha = 0.2)+
  labs(x = paste('PCoA1: ', round(100 * pcoa_eig[1,2], 2), '%'), 
       y = paste('PCoA2: ', round(100 * pcoa_eig[2,2], 2), '%'))