【繪圖進(jìn)階】之六種帶中心點的PCA 圖和三維PCA圖繪制（四）

發(fā)稿時間：2020-07-03來源：天昊生物

前幾期我們有介紹PCA的多種繪圖方法，這里我們接著介紹幾種新的繪圖方法：ggpubr包進(jìn)行二維繪圖和scatterplot3d包繪制3D圖。

加載ggpubr包

In [1]:

• library(ggpubr)

一數(shù)據(jù)準(zhǔn)備

In [2]:

• df = read.csv('3D.PCA.site.csv',header = T)
• head(df)

Out[2]:

aggregate 計算中心點In [3]:

• df_mean = aggregate(cbind(PCA1, PCA2) ~ sub_group, data = df, FUN = mean)
• df_mean$group = c('B','B','C','C')
• df_mean

Out[3]:

合并數(shù)據(jù)

In [4]:

• data = merge(df,setNames(df_mean,c('sub_group','PCA1_mean','PCA2_mean','group')))
• data

Out[4]:

二二維繪圖

2.1 常規(guī)PCA圖

In [5]:

• p <- ggplot(df, aes(x = PCA1, y = PCA2, colour = sub_group)) + geom_point(size = 4)
• p

Out[5]:

增加形狀

In [6]:

• p1 = ggplot(df, aes(x = PCA1, y = PCA2, colour = sub_group,shape = group)) + geom_point(size = 4)
• p1

Out[6]:

2.2 帶中心點的PCA圖

In [7]:

• q = p1 + geom_point(data = df_mean, size = 6)
• q

Out[7]:

2.3 添加置信橢圓

In [8]:

• r = q + stat_ellipse( linetype = 2,level = 0.65,aes(group = sub_group, colour = sub_group))
• r

Out[8]:

2.4 指定雜志配色的繪圖

In [9]:

• # Add group ellipses and mean points
• # Add stars
• # +++++++++++++++++++
• s = ggscatter(df, x = "PCA1", y = "PCA2",color = "sub_group", shape = "sub_group",palette = 'jco',ellipse = TRUE, mean.point = TRUE,star.plot = TRUE)
• s

Out[9]:

2.5 連線放射

In [10]:

• t = r + geom_segment(data = data,mapping = aes(xend = PCA1_mean, yend = PCA2_mean))
• t

Out[10]:

2.6 外點連線

In [11]:

• library(ggalt)

In [12]:

• u = p + geom_encircle(s_shape=1, expand=0)
• u

Out[12]:

2.7 波普樣式

In [13]:

• v = q + geom_bkde2d()
• v

Out[13]:

2.8 多個圖形繪制在一起

In [14]:

• ggarrange( p,p1,q , r ,s ,t ,u,v, ncol =2 , nrow =4,legend='top',common.legend = T)

Out[14]:

三3D 繪圖

In [15]:

• # install.packages('scatterplot3d')
• library(scatterplot3d)

In [16]:

• attach(df)

In [17]:

• color = c('red','black', 'blue','yellow')
• colors=color[as.numeric(df$sub_group)]
• colors

Out[17]:

• 'red' 'red' 'red' 'red' 'black' 'black' 'black' 'black' 'blue' 'blue' 'blue' 'blue' 'blue' 'blue' 'yellow' 'yellow' 'yellow' 'yellow'

由于PCA1和PCA2的貢獻(xiàn)度更高，因此我們需要面向我們的X軸和Z軸對應(yīng)PCA1和PCA2

In [18]:

• scatterplot3d(x =PCA1, y = PCA3, z = PCA2,main = "PCA", xlab='PCA1', ylab="", zlab='PCA2',pch = 19, color = colors, cex.symbols = 1.2)
• legend("right", col = unique(colors), pch = 19, xpd = T, cex = 1, ncol =1,legend = unique(df$sub_group), bty = "n")

Out[18]:

往期相關(guān)鏈接：

1、R基礎(chǔ)篇

excel不熟練怎么辦，R來幫您（一）數(shù)據(jù)分類匯總；如何使用Rstudio練習(xí)R基礎(chǔ)教程；
R相關(guān)軟件及R包安裝；【零基礎(chǔ)學(xué)繪圖】之氣泡圖繪制（六）；
【零基礎(chǔ)學(xué)繪圖】之繪制venn圖（五）；
【零基礎(chǔ)學(xué)繪圖】之繪制barplot柱狀圖圖（四）；
【零基礎(chǔ)學(xué)繪圖】之繪制heatmap圖（三）；【零基礎(chǔ)學(xué)繪圖】之繪制PCA圖（二）；
【零基礎(chǔ)學(xué)繪圖】之a(chǎn)lpha指數(shù)箱體圖繪制（一）；

2、R進(jìn)階

【繪圖進(jìn)階】之交互式可刪減分組和顯示樣品名的PCA 圖（三）；

【繪圖進(jìn)階】之繪制PCA biplot圖(二)；

【進(jìn)階篇繪圖】之帶P值的箱體圖、小提琴圖繪制（一）；

3、數(shù)據(jù)提交

3分鐘學(xué)會微生物多樣性云平臺數(shù)據(jù)分析;

3分鐘學(xué)會CHIP-seq類實驗測序數(shù)據(jù)可視化 —IGV的使用手冊；

10分鐘搞定多樣性數(shù)據(jù)提交，最快半天內(nèi)獲取登錄號，史上最全的多樣性原始數(shù)據(jù)提交教程；

20分鐘搞定GEO上傳，史上最簡單、最詳細(xì)的GEO數(shù)據(jù)上傳攻略；

4、表達(dá)譜分析

表達(dá)譜分析（二）通路富集分析和基因互作網(wǎng)絡(luò)圖繪制；如何對GEO數(shù)據(jù)進(jìn)行差異分析；

5、醫(yī)學(xué)數(shù)據(jù)分析

KING: 樣本親緣關(guān)系鑒定工具；【W(wǎng)GS服務(wù)升級】人工智能軟件SpliceAI助力解讀罕見和未確診疾病中的非編碼突變；隱性疾病trio家系別忽視單親二倍體現(xiàn)象——天昊數(shù)據(jù)分析助力臨床疾病診斷新添UPD（單親二倍體）可視化分析工具；【昊工具】Oh My God! 太好用了吧！疾病或表型的關(guān)鍵基因查詢數(shù)據(jù)庫，我不允許你不知道Phenolyzer；