R 在不同组件上绘制PCA数据
不确定这是因为我对R的知识有限还是完全不可能,但这是我的问题 我有一个数据集,由一系列样本的化学特征组成。为了找到可能的相关性,我运行了一个PCA,现在我需要根据样本数绘制每个样本(一旦投影到每个组件上),而不是使用两个主要组件的双图(是的,我知道这很奇怪,但我真的需要这样做) 我将发布一个虚拟数据集和运行PCA的方式R 在不同组件上绘制PCA数据,r,pca,prcomp,R,Pca,Prcomp,不确定这是因为我对R的知识有限还是完全不可能,但这是我的问题 我有一个数据集,由一系列样本的化学特征组成。为了找到可能的相关性,我运行了一个PCA,现在我需要根据样本数绘制每个样本(一旦投影到每个组件上),而不是使用两个主要组件的双图(是的,我知道这很奇怪,但我真的需要这样做) 我将发布一个虚拟数据集和运行PCA的方式 depth<-c(1:1000) Na<-runif(1000, min=50, max=100) K<-runif(1000, min=0, max=10)
depth<-c(1:1000)
Na<-runif(1000, min=50, max=100)
K<-runif(1000, min=0, max=10)
Mg<-runif(1000, min=5, max=20)
Ca<-runif(1000, min=5, max=20)
Cl<-runif(1000, min=50, max=50)
NO3<-runif(1000, min=10, max=75)
SO4<-runif(1000, min=50, max=200)
data<-data.frame(depth, Na;K,Mg,Ca,Cl,NO3,SO4)
GV7.pca<-prcomp(data[,c(2:8)])
depth您可以在GV7.pca$x
中找到所有生成的组件,但是我无法真正描绘出您想要绘制的内容,您可以解释一下x轴上应该是什么,y轴上应该是什么,或者发布一个您想要的绘图示例。通常,您使用screeplot来查看最重要的组件,这(hope)小于变量(这是一个空间缩减模型,即mRm)。也许了解你的目标会有帮助。从技术上讲,你也可以对主成分的每一个组合进行双抽签,但如果不知道你的目标,我不知道有多大意义。