(R) 使用 PCA (ggbiplot) 可视化具有大量变量的数据集

Question

我的数据集有 100 个样本和 17000 个变量。我会使用 PCA 并可视化数据。但问题是剧情不好。我如何控制 ggbiplot 或 biplot 中的箭头数量，实际上是 select 贡献最大的变量？部分示例代码如下：

data <- matrix(rnorm(1700000), nrow=100, ncol=17000)
colnames(data) <- paste("X", 1:ncol(data), sep="")
pca <- prcomp(data, scale=T, center=T)

biplot(pca)
print(ggbiplot(pca, obs.scale = 1, var.scale = 1, 
               groups = c(rep('a',30), rep('b',70))))

Answer 1

我假设您从 github（2015 年 6 月 19 日 https://github.com/vqv/ggbiplot）获得了最新版本的 ggbiplot。在这一个中，我不认为有一个干净的方法来减少箭头的数量。您必须通过在两个绘图调用中对 df.v 进行子集化来修改原始函数：

第 89 行附近：

g <- g + geom_segment(data = df.v[1:5,], # SUBSET HERE
aes(x = 0, y = 0, xend = xvar, yend = yvar), arrow = arrow(length = unit(1/2, "picas")), color = muted("red"))

以及第 127 行附近：

g <- g + geom_text(data = df.v[1:5,], # SUBSET HERE
aes(label = varname, x = xvar, y = yvar, angle = angle, hjust = hjust), color ="darkred", size = varname.size)

(R) 使用 PCA (ggbiplot) 可视化具有大量变量的数据集

(R) Visualizing a data set with large number of variables using PCA (ggbiplot)

r

ggplot2

pca