| R、主成分分析（PCA）、ggplot2 | 您所在的位置：网站首页 › r语言中主成分分析 › R、主成分分析（PCA）、ggplot2 |
R、主成分分析（PCA）、ggplot2
|
R、主成分分析（PCA）、ggplot2
在生态环境领域中，作为非约束排序的方法之一，主成分分析（PCA）是我们常用的分析方法。本文以R语言vegan包rda函数演示主成分排序及基于ggplot2绘图。 a=read.csv("D:/wykt/sp.csv",header = T,row.names = 1) library(vegan) library(ggplot2) library(ggrepel) dd=rda(log10(a))###此处对物种数据取对数作转化，可根据自己数据选择合适的转化方法 oo=summary(dd) site=as.data.frame(oo$sites)###提取样方坐标 spp=as.data.frame(oo$species)###提取物种坐标 grp=as.data.frame(c(rep("a",4),rep("b",4),rep("c",4),rep("d",4)))###根据样方类型分组 colnames(grp)="group" ###以下开始作图 ggplot()+ geom_point(data=site,aes(x=PC1,y=PC2,shape=grp$group,fill=grp$group),size=4)+ scale_shape_manual(values = c(21:24))+ geom_segment(data=spp,aes(x=0,y=0,xend=PC1,yend=PC2), arrow = arrow(angle = 22.5,length = unit(0.35,"cm"), type="closed"),linetype=1,size=1,color="red")+ geom_text_repel(data=spp,aes(x=PC1,y=PC2),label=row.names(spp))+ geom_hline(yintercept=0,linetype=3,size=1)+ geom_vline(xintercept=0,linetype=3,size=1)+ labs(x=paste("PC1(", format(100 *oo$cont[[1]][2,1], digits=4), "%)", sep=""), y=paste("PC2(", format(100 *oo$cont[[1]][2,2], digits=4), "%)", sep=""))+ guides(shape=guide_legend(title = NULL),fill=guide_legend(title = NULL))+ theme_bw()+theme(panel.grid = element_blank())
|
当样方坐标与物种坐标数值相差较大时，为了方便展示分析结果，我们可将样方或者物种的坐标数值扩大（或缩小），那么上面的代码就可达到这样的效果。当然，有比较方便的ggvegan包，但对于要求高的朋友来说，本文的代码将是更好的选择。对于其他排序分析，如主坐标分析、非度量多维尺度分析等分析，都可以用本文的思想来展现。 刚接触R的朋友，可能会因为R的“难”入门而选择较容易的CANOCO软件，当然后者也是生态环境领域的数据分析神器，但是，当我们想要个性化分析、个性化出图时，目前后者无法满足，R，应是首选。实验设计、实验过程、数据处理及分析、绘图、写作等是科研的必然过程，为促进相互进步、资源共享，我们创建了学术交流QQ群：335774366。欢迎有兴趣的朋友加入→指导。 声明：以上代码及观点，仅供参考。【本文地址】
公司简介
联系我们