简介
主成分分析法是很常用的一种数据降维方法[1]。该方法可以减少数据的维数,并保持对方差贡献最大的特征,相当于保留低阶主成分,忽略高阶主成分。
关于主成分的理论介绍和R语言代码实现可见前段时间赵西西写的推文:主成分分析(见次条)。但是后面留了一个小尾巴,如果想对主成分结果进行可视化,那得怎么实现?有没有简便的方法呢?
正好这几天有读者问起,那今天就来说说这个问题吧。
方法一
使用ggbiplot包[2]中的ggbiplot()
函数,该函数 使用ggplot2对主成分进行可视化。函数内部参数如下
ggbiplot(pcobj, choices = 1:2, scale = 1, pc.biplot = TRUE, obs.scale = 1 - scale, var.scale = scale, groups = NULL, ellipse = FALSE, ellipse.prob = 0.68, labels = NULL, labels.size = 3, alpha = 1, var.axes = TRUE, circle = FALSE, circle.prob = 0.69, varname.size = 3, varname.adjust = 1.5, varname.abbrev = FALSE, ...)
内部参数过多,就不做详细解释。如果对内部参数有兴趣可以通过帮助文档进行查询(?ggbiplot)。
这里使用鸢尾花数据,给出一个简单的例子。大家可以将自己的数据进行导入(如何导入?可见推文:R数据科学|第八章内容介绍),替换鸢尾花数据。
注意:检查自己数据集的数据结构是否和鸢尾花数据结构一致
这个包在github中,官方说可以使用以下参数进行下载(但是小编下载不了,只能通过强暴的方法进行,具体可见推文:。该压缩包已经处理成tar.gz放到公众号内了,如有需要,后台回复[ggbiplot]即可获得)。
使用prcomp()
进行主成分分析,然后将结果保存到res.pca变量中。之后使用ggbiplot()
进行可视化。其中观测的尺度因子为1(obs.scale = 1
),变量的尺度因子为1(var.scale = 1
),每组绘制一个椭圆(ellipse = TRUE
)并添加相关系数的圆。
# install_github("vqv/ggbiplot") library(ggbiplot) res.pca <- prcomp(iris[, -5], scale = TRUE) ggbiplot(res.pca, obs.scale = 1, var.scale = 1, ellipse = TRUE, circle = TRUE)
如果想给不同组别添加分别显示不同颜色,则可以使用参数groups,然后设定为原始数据对应的组别向量(如果你的原始数据没有该列数据,可以自行构造一个向量。)
# 添加组别颜色 ggbiplot(res.pca, obs.scale = 1, var.scale = 1, ellipse = TRUE,groups = iris$Species, circle = TRUE)
当然你可以在此基础上加入ggplot内部的参数,比如更改主题,更改颜色,添加标题等一系列操作。
# 更改主题 ggbiplot(res.pca, obs.scale = 1, var.scale = 1, ellipse = TRUE,groups = iris$Species, circle = TRUE) + theme_bw() + theme(panel.grid = element_blank()) + scale_color_brewer(palette = "Set2") + labs(title = "庄闪闪的R语言手册",subtitle = "快来关注这个宝藏公众号呀!",caption ="绘于:洞头岛")
小编最近有幸上了两节线上的R语言数据可视化公益课,把R语言base包以及ggplot语法系统的过了一遍,如果需要补补可视化基础的朋友,可移步我的b站[账号名:庄闪闪],视频回放已等你多时了😅。
方法二
使用FactoMineR包[3]的PCA()
函数或者使用基础包的prcomp()
函数进行数据降维处理,然后使用factoextra包[4]的fviz_pca_ind()
函数对结果进行可视化。
这里还是以鸢尾花的数据作为例子,沿用方法一的主成分分析结果res.pca。
这个包内部有四个主要绘制主成分结果的函数。
- fviz_pca_ind(): 各样本的散点图
- fviz_pca_var(): 变量图
- fviz_pca_biplot(): 各个样本和变量的联合图
- fviz_pca(): fviz_pca_biplot()的别名
内部参数不做过多介绍,有兴趣的读者请看帮助文档。这里只对下面的代码中出现的参数进行解释。
各样本的散点图
使用散点图进行绘制(geom = "point"
),颜色使用"cos2"(col.ind="cos2"
),使用3阶梯度颜色(gradient.cols = c("white", "#2E9FDF", "#FC4E07" )
)。
library(ggplot2) library(factoextra) #可以直接通过install.packages()进行下载 # 各个样本图 fviz_pca_ind(res.pca, col.ind="cos2", geom = "point", gradient.cols = c("white", "#2E9FDF", "#FC4E07" ))
展示分组变量信息
如果想展示分组变量信息,可以通过habillage参数设定,和第一种方法类似,这里还加入了一些细节:各组添加椭圆(addEllipses=TRUE
),图的版式使用"Dark2"(palette = "Dark2"
)。
fviz_pca_ind(res.pca, label="none", habillage=iris$Species, addEllipses=TRUE, ellipse.level=0.95, palette = "Dark2")
当然可以使用palette = c("#999999", "#E69F00", "#56B4E9")
,根据论文全文配色,进行手动调整。
fviz_pca_ind(res.pca, label="none", habillage=iris$Species, addEllipses=TRUE, ellipse.level=0.95, palette = c("#999999", "#E69F00", "#56B4E9"))
个体和变量的双图
如果想绘制个体和变量的双图,可以使用fviz_pca_biplot()
,内部其他参数构造相同,然后可以添加各种其他ggplot的函数,例如:
# 个体和变量的双图 # 只保留变量的标签 #按组改变颜色,添加省略号 fviz_pca_biplot(res.pca, label = "var", habillage=iris$Species, addEllipses=TRUE, ellipse.level=0.95, ggtheme = theme_bw()) + theme(panel.grid = element_blank()) + scale_color_brewer(palette = "Set1") + labs(title = "庄闪闪的R语言手册",subtitle = "快来关注这个宝藏公众号呀!",caption ="绘于:洞头岛")
参考资料
[1]
数据降维方法: https://github.com/EasyChart/Beautiful-Visualization-with-R
[2]
ggbiplot包: https://github.com/vqv/ggbiplot
[3]
FactoMineR包: https://cran.r-project.org/web/packages/FactoMineR/index.html
[4]
factoextra包: https://cran.r-project.org/web/packages/factoextra/index.html