使用R语言画更好看的PCA图,主要使用了ggplot2、factoextra、FactoMineR这3个R包。 美化普通的二维PCA图 本次示例使用R语言自带的iris数据集。 ## 加载包和数据 head(iris) library(ggplot2) library(factoextra) library(FactoMineR) df <- iris[c(1, 2, 3,
《Origin 也能做主成分分析?》一文中已经介绍过,只不过因为分组的样本数太少(只有3个),添加“置信椭圆”后图表显示效果并不好,所以并没有详细介绍。 今天换一个样本数多一点的数据,为大家重点介绍如何用Origin添加置信椭圆,并对置信椭圆进行个性化的调整美化。 数据准备 本文所用的数据是来自R语言自带的iris(鸢尾...
准备数据 使用 R 语言自带的 iris 数据集，通过 Excel 文件导入 Origin。将数据分为三个组别（Species），每组 50 个样本，共 150 个样本。分析与作图 打开 Origin，从 Apps 窗口中选择 PCA 插件。选择输入数据，选择后四列指标数据，指定观测值，选择分组数据，设置主成分数量为 3。确保勾选 Biplot...
代码语言:javascript 代码运行次数:0 运行 AI代码解释 source("pca_and_ggplot2.R") library(ggplot2) library(ggpubr) library(cowplot) pca.ncg<-.pca(data = iris[,1:4], is.log = FALSE) .scatter.density.pc(pcs = pca.ncg$sing.val$v[, 1:3], pc.var = pca.ncg$variation, strokeColor ...
接下来是简单的美化了 代码语言:javascript 代码运行次数:0 运行 AI代码解释 ggplot(data=df,aes(x=PC1.1,y=PC2))+geom_point(aes(color=Species,shape=Species),size=5)+scale_shape_manual(values=15:23)+theme_bw()+theme(legend.position="none",panel.grid=element_blank())+labs(x="PC1 37.01% ...
【分子标记系列】8.使用R语言对SSR数据绘制PCA散点图, 视频播放量 369、弹幕量 0、点赞数 3、投硬币枚数 2、收藏人数 4、转发人数 0, 视频作者 捡羊毛的咩, 作者简介 生信工程师—生信博在读;gzh你好我是一只羊;搬运号:@一只羊做生信 群号看公告or关注后自动回复,相关视
接下来是简单的美化了 ggplot(data=df,aes(x=PC1.1,y=PC2))+ geom_point(aes(color=Species,shape=Species), size=5)+ scale_shape_manual(values=15:23)+ theme_bw()+ theme(legend.position = "none", panel.grid = element_blank())+
了解PCA中的算法原理,我们通过R语言来实现PCA分析。举例:所使用的数据为一组未公开的代谢数据,共有24个样本,分为A、B、QC三组,A、B每组各10个样本,QC为4个样本,每个样本共有61个代谢物。 这样一个简单的PCA图就完成了,如果还想获得更加精美的图,可以使用ggplot2进行美化。
2313 -- 5:04 App Origin多组边际分布曲线的绘制 1044 -- 3:11 App R语言散点图及边际分布密度 549 -- 1:06 App Python-seaborn边际分布曲线 3.8万 1 2:57 App Origin绘制PCA带置信椭圆的图 3187 2 7:23 App Origin简单复现一下看到的好看的边际直方图 813 -- 8:06 App Origin分布图+须轴...
课程名称: 基于R语言的机器学习与医学研究学习班 【课程简介】 R语言作为一款免费开源的统计软件,已逐渐成为医学科研工作者分析数据的首选软件,很多发表在顶级医学杂志的论文,尤其是涉及复杂统计分析方法,比如基于机器学习算法的预测模型构建、数据挖掘类型的论文...