ggbiplot | 带箭头的主成分分析(PCA)图绘制

简介: ggbiplot | 带箭头的主成分分析(PCA)图绘制

ggbiplot

本期素材来源还是上期NC中的图,因为图比较一般,就不放在CNS绘图系列了,简单介绍一下ggbiplot 的用法即可。

PCA

「Title:」Molecular determinants of response to PD-L1 blockade across tumor types

「DOI:」https://doi.org/10.1038/s41467-021-24112-w

绘制

# 安装和载入包
library(devtools)
install_github("vqv/ggbiplot")
library(ggbiplot)
# 使用内置数据演示
data(wine)
head(wine)
# PCA分析
wine.pca <- prcomp(wine, scale. = TRUE)
# 可视化
ggbiplot(wine.pca, # PCA结果
         choices = c(1,2), # 主成分选择
         obs.scale = 1, # 标准化观测值
         var.scale = 1, # 标准化变量
         var.axes = TRUE, #为变量画箭头
         groups = wine.class, 
         ellipse = TRUE, # 置信椭圆
         ellipse.prob = 0.95, # 置信区间,默认0.68
         circle = F) +  # 画相关圈(仅适用于当scale = TRUE和var.scale = 1时调用prcomp)
  scale_color_manual(values = c('#fb9b8e','#00ac4c','#70abd8'))+
  theme_bw() +
  theme(legend.direction = 'horizontal', 
        legend.position = 'top',
        legend.text = element_text(size = 14),
        legend.title = element_text(size = 16))
ggsave('pca.pdf',width = 5, height = 5)

PCA1

不带箭头即为文章中的图。

PCA2

相关文章
|
7月前
|
数据可视化 数据挖掘 数据处理
R绘图 | 浅谈散点图及其变体的作图逻辑
R绘图 | 浅谈散点图及其变体的作图逻辑
100 0
R实战 | 对称云雨图 + 箱线图 + 配对散点 + 误差棒图 +均值连线
R实战 | 对称云雨图 + 箱线图 + 配对散点 + 误差棒图 +均值连线
1153 0
R实战 | 对称云雨图 + 箱线图 + 配对散点 + 误差棒图 +均值连线
|
14天前
|
机器学习/深度学习 数据可视化
如何在R语言中建立六边形矩阵热图heatmap可视化
如何在R语言中建立六边形矩阵热图heatmap可视化
|
14天前
|
数据可视化 算法
R语言主成分分析(PCA)葡萄酒可视化:主成分得分散点图和载荷图
R语言主成分分析(PCA)葡萄酒可视化:主成分得分散点图和载荷图
25 1
|
7月前
|
数据挖掘
跟着 Cancer Cell 学作图 | 相关性热图(不对称版)
跟着 Cancer Cell 学作图 | 相关性热图(不对称版)
54 0
|
9月前
|
Go
如何用ggplot2绘制基因功能富集气泡图?
如何用ggplot2绘制基因功能富集气泡图?
|
11月前
|
算法
ggplot2|从0开始绘制PCA图
ggplot2|从0开始绘制PCA图
298 0
|
11月前
ggplot2|发散性“正负”图
ggplot2|发散性“正负”图
|
11月前
R绘制多彩的森林图:基于ggplot2
R绘制多彩的森林图:基于ggplot2
142 1
|
11月前
|
数据可视化
R|散点图+边际图(柱形图,小提琴图),颜值区UP
R|散点图+边际图(柱形图,小提琴图),颜值区UP