原创力文档- 1、本文档共8页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
R语言绘图：PCA分析和散点图--第1页
精选文档
PCA分析和散点图
gaom
今天主要跟大家演示一下简单的PCA分析，并且以散点图的形式将结果展示
出来。
首先在进行PCA分析之前，先跟大家稍微讨论下什么是PCA分析。PCA分
析又叫主成分分析，其实从字面上来理解我们可以发现它其实是和样品分组相关
的。
举个简单的例子，我们观察了某种植物的株高、叶片大小、果实大小等等多种性
状，并记录每种性状对应的数值。这时候我们想看看根据这些性状信息看看我们观
察的样本是否明显的分组现象。每一种性状相当于一个维度。利用PCA分析可以
将结果投影到一个低维的向量空间（具体计算就不详述了）。类似的比如我们多个
样本的表达谱数据，每个基因在各个样品的表达情况就可以算作一个维度。如果大
家对PCA算法感兴趣的话，可以自行百度，在这里就不进行太多的描述了。毕竟
今天主要是教大家怎么利用R进行PCA分析和结果展示。还是第一步，我们先准
备好我们用来分析的数据。
setwd()#打开文件所在路径，并将文件所在目录作为工作目
录
data-read.table(file=,header=T,sep=)#读取数据，并将首行
作为列名
dim(data)
##[1]299913
head(data)
##ID_REFT01T02T03T04T05T06
##11007_s_at10.19858611.80567610.86795311.76366012.07223212.108312
##21053_at9.5940748.7131089.2470969.4332659.0923299.005518
##3117_at8.5817638.6036808.8044258.6617008.6349798.606976
##4121_at12.02231512.65532912.62733412.79139012.96176112.885307
可编辑
R语言绘图：PCA分析和散点图--第1页
R语言绘图：PCA分析和散点图--第2页
精选文档
##51255_g_at7.2285697.2146007.2371317.2934177.2767997.268233
##61294_at8.8284879.3802779.2979898.8589858.9957729.126825
##T07T08T09T10T11T12
##110.64686810.85274410.67589811.13766310.79673711.102408
##29.0876819.0272088.9652838.9583099.2750108.940965
##38.6258388.5772448.6467518.6258438.6251648.522129
##413.40204413.24012613.08888313.23409913.38290313.472223
##57.1974407.2626627.289796
文档评论（0）