用R软件包ade4做主成分分析图（PCA）

该篇文章参考了ade4的软件包的说明，以及如下文档：
一：数据输入格式：

每一行代表样本，每列代表一个表征值。第二例为分组因子。

二：命令处理：

x<-read.csv(“example.csv”)

library(ade4)

row.names=1#第一列为样本名称

y<-as.factor(x$Time)#第二列为分组因子

pca1<-dudi.pca(x[,3:5],scann=F,nf=5)#nf代表要因子数，我这里总共涉及到gene1-5所以设置为5

gcol = c(1, 2, 3,4,5,6,7,8,9)#作图时点的颜色

s.class(dfxy = pca1$li, fac = y, col = gcol, xax = 1, yax = 2)#分类

三：图形输出如下：

四：补充：

pca1<-dudi.pca(x[,3:7],scann=F,nf=5) 该条命令很重要，此输出结果包括很多，

运行R命令names(pca1)，总共输出13箱都是输出结果

[1] “tab” “cw” “lw” “eig” “rank” “nf” “c1” “li” “co” “l1”

[11] “call” “cent” “norm”

每一项都有特殊意义，其中eig代表的是特征值，输出特征值命令为：

pca1$eig

画出特征值碎石图命令为：

barplot(pca1$eig)

查看特征值贡献率命令为：

kip <- 100 * pca1$eig/sum(pca1$eig)

尊重他人劳动成果，转载请注明出处:Bluesky's blog » 用R软件包ade4做主成分分析图（PCA）