ggplot2|从0开始绘制PCA图

参考：https://mp.weixin.qq.com/s?__biz=MzIyNDI1MzgzOQ==&mid=2650393990&idx=1&sn=80c1191613970739cdc9f29cfc86d88f&chksm=f01caf66c76b2670fb6c779cb3c71eb9c40d2816c3f5cc2a070bdb2127de3153d962048cd9dc&scene=21#wechat_redirect

PCA(Principal Component Analysis)，即主成分分析方法，是一种使用最广泛的数据降维算法。在数据分析以及生信分析中会经常用到。

本文利用R语言的ggplot2包，从头带您绘制可发表级别的主成分分析图。

一载入数据集和R包


library(ggplot2)
#使用经典iris数据集
df <- iris[c(1, 2, 3, 4)]
head(df)
  Sepal.Length Sepal.Width Petal.Length Petal.Width
1          5.1         3.5          1.4         0.2
2          4.9         3.0          1.4         0.2
3          4.7         3.2          1.3         0.2
4          4.6         3.1          1.5         0.2
5          5.0         3.6          1.4         0.2
6          5.4         3.9          1.7         0.4

二进行主成分分析


df_pca <- prcomp(df) #计算主成分
df_pcs <-data.frame(df_pca$x, Species = iris$Species)  
head(df_pcs,3)  #查看主成分结果
        PC1        PC2         PC3          PC4 Species
1 -2.684126 -0.3193972  0.02791483  0.002262437  setosa
2 -2.714142  0.1770012  0.21046427  0.099026550  setosa
3 -2.888991  0.1449494 -0.01790026  0.019968390  setosa

三绘图展示

3.1 基础函数绘制PCA图


plot(df_pca$x[,1], df_pca$x[,2])

3.2 ggplot2 绘制PCA图

1) Species分颜色


ggplot(df_pcs,aes(x=PC1,y=PC2,color=Species))+ geom_point()

2）去掉背景及网格线


ggplot(df_pcs,aes(x=PC1,y=PC2,color=Species))+ 
geom_point()+ 
theme_bw() +
theme(panel.border=element_blank(),panel.grid.major=element_blank(),panel.grid.minor=element_blank(),axis.line= element_line(colour = "black"))

3) 添加PC1 PC2的百分比


percentage<-round(df_pca$sdev / sum(df_pca$sdev) * 100,2)
percentage<-paste(colnames(df_pcs),"(", paste(as.character(percentage), "%", ")", sep=""))
ggplot(df_pcs,aes(x=PC1,y=PC2,color=Species))+
geom_point()+ 
xlab(percentage[1]) +
ylab(percentage[2])

4) 添加置信椭圆

ggplot(df_pcs,aes(x=PC1,y=PC2,color = Species))+ geom_point()+stat_ellipse(level = 0.95, show.legend = F) + 
annotate('text', label = 'setosa', x = -2, y = -1.25, size = 5, colour = '#f8766d') +
annotate('text', label = 'versicolor', x = 0, y = - 0.5, size = 5, colour = '#00ba38') +
annotate('text', label = 'virginica', x = 3, y = 0.5, size = 5, colour = '#619cff')

5) 查看各变量对于PCA的贡献


df_r <- as.data.frame(df_pca$rotation)
df_r$feature <- row.names(df_r)
df_r 
                     PC1         PC2         PC3        PC4      feature
Sepal.Length  0.36138659 -0.65658877  0.58202985  0.3154872 Sepal.Length
Sepal.Width  -0.08452251 -0.73016143 -0.59791083 -0.3197231  Sepal.Width
Petal.Length  0.85667061  0.17337266 -0.07623608 -0.4798390 Petal.Length
Petal.Width   0.35828920  0.07548102 -0.54583143  0.7536574  Petal.Width

贡献度绘图


ggplot(df_r,aes(x=PC1,y=PC2,label=feature,color=feature )) + geom_point()+ geom_text(size=3)

四 PCA绘图汇总展示


ggplot(df_pcs,aes(x=PC1,y=PC2,color=Species )) + geom_point()+xlab(percentage[1]) + ylab(percentage[2]) + stat_ellipse(level = 0.95, show.legend = F) +
annotate('text', label = 'setosa', x = -2, y = -1.25, size = 5, colour = '#f8766d') +
annotate('text', label = 'versicolor', x = 0, y = - 0.5, size = 5, colour = '#00ba38') +
annotate('text', label = 'virginica', x = 3, y = 0.5, size = 5, colour = '#619cff') + labs(title="Iris PCA Clustering", 
       subtitle=" PC1 and PC2 principal components ",       caption="Source: Iris") + theme_classic()