【绘图进阶】之六种带中心点的PCA 图和三维PCA图绘制（四）

发稿时间：2020-07-03来源：天昊生物

前几期我们有介绍PCA的多种绘图方法，这里我们接着介绍几种新的绘图方法：ggpubr包进行二维绘图和scatterplot3d包绘制3D图。

加载ggpubr包

In [1]:

• library(ggpubr)

一数据准备

In [2]:

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

Out[2]:

aggregate 计算中心点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]:

合并数据

In [4]:

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

Out[4]:

二二维绘图

2.1 常规PCA图

In [5]:

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

Out[5]:

增加形状

In [6]:

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

Out[6]:

2.2 带中心点的PCA图

In [7]:

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

Out[7]:

2.3 添加置信椭圆

In [8]:

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

Out[8]:

2.4 指定杂志配色的绘图

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 连线放射

In [10]:

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

Out[10]:

2.6 外点连线

In [11]:

• library(ggalt)

In [12]:

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

Out[12]:

2.7 波普样式

In [13]:

• v = q + geom_bkde2d()
• v

Out[13]:

2.8 多个图形绘制在一起

In [14]:

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

Out[14]:

三3D 绘图

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的贡献度更高，因此我们需要面向我们的X轴和Z轴对应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]:

往期相关链接：

1、R基础篇

excel不熟练怎么办，R来帮您（一）数据分类汇总；如何使用Rstudio练习R基础教程；
R相关软件及R包安装；【零基础学绘图】之气泡图绘制（六）；
【零基础学绘图】之绘制venn图（五）；
【零基础学绘图】之绘制barplot柱状图图（四）；
【零基础学绘图】之绘制heatmap图（三）；【零基础学绘图】之绘制PCA图（二）；
【零基础学绘图】之alpha指数箱体图绘制（一）；

2、R进阶

【绘图进阶】之交互式可删减分组和显示样品名的PCA 图（三）；

【绘图进阶】之绘制PCA biplot图(二)；

【进阶篇绘图】之带P值的箱体图、小提琴图绘制（一）；

3、数据提交

3分钟学会微生物多样性云平台数据分析;

3分钟学会CHIP-seq类实验测序数据可视化 —IGV的使用手册；

10分钟搞定多样性数据提交，最快半天内获取登录号，史上最全的多样性原始数据提交教程；

20分钟搞定GEO上传，史上最简单、最详细的GEO数据上传攻略；

4、表达谱分析

表达谱分析（二）通路富集分析和基因互作网络图绘制；如何对GEO数据进行差异分析；

5、医学数据分析

KING: 样本亲缘关系鉴定工具；【WGS服务升级】人工智能软件SpliceAI助力解读罕见和未确诊疾病中的非编码突变；隐性疾病trio家系别忽视单亲二倍体现象——天昊数据分析助力临床疾病诊断新添UPD（单亲二倍体）可视化分析工具；【昊工具】Oh My God! 太好用了吧！疾病或表型的关键基因查询数据库，我不允许你不知道Phenolyzer；