R 数据可视化：PCA 主成分分析图

Posted 2023-02-24

参考技术A

再举个形象的栗子，假如你是一本养花工具宣传册的摄影师，你正在拍摄一个水壶。水壶是三维的，但是照片是二维的，为了更全面的把水壶展示给客户，你需要从不同角度拍几张图片。下图是你从四个方向拍的照片：

第一张图里水壶的背面可以看到，但是看不到前面。
第二张图是拍前面，可以看到壶嘴，这张图可以提供了第一张图缺失的信息，但是壶把看不到了。
第三张俯视图既可以看到壶嘴，也可以看到壶把，但是无法看出壶的高度。
第四张图是你打算放进目录的，水壶的高度，顶部，壶嘴和壶把都清晰可见。
PCA的设计理念与此类似，它可以将高维数据集映射到低维空间的同时，尽可能的保留更多变量。

使用 R 语言能做出像 SIMCA-P 一样的 PCA 图吗？
答案是肯定的，使用 R 语言不仅能做出像 SIMCA-P 一样的 PCA 图，还能做出比 SIMCA-P 更好看的图，而且好看的上限仅取决于个人审美风格。

主成分分析图 = 散点图 + 置信椭圆 ，散点的横纵坐标对应 PCA 的第一主成分、第二主成分。

接下来想给散点加上分类颜色：

颜色是加上了，但是椭圆咋变成了 3 个？

原来是 stat_ellipse 函数默认对每个类别的数据计算自己的置信区间。如何对多类样本只计算一个置信区间呢？查看 stat_ellipse 的帮助文档：

原来是 stat_ellipse 函数默认会继承 ggplot 中的 aes 设置，如果希望 stat_ellipse 使用自己的 aes 设置，需要将参数 inherit.aes 设置为 FALSE。

接下来对样式进行微调：为不同类别样本自定义着色，添加 x 轴、y 轴标题，添加 title：

将作图结果和 SIMCA-P 对比，散点、椭圆基本完全一致，只是比它更顺眼一些罢了~

欢迎留言讨论，如果本文有帮助到你，点个赞就更好啦！

[1] Master Machine Learning With scikit-learn

[1] R 数据可视化：水平渐变色柱状图
[2] R 数据可视化：双坐标系柱线图
[3] R 数据可视化：BoxPlot
[4] R 数据可视化：环形柱状图