R: fivz_pca_biplot的异常问题

（一） 椭圆置信区间边框颜色显示的问题：
原代码：

fviz_pca_biplot(NR.pca, 
                win.asp = 0.8,
                # Fill individuals by groups
                geom.ind = "point",
                fill.ind = data_NR$Label, # 个体的填充
                col.ind = "black", #habillage = data_NR$Label, 个体的边框及对应名称颜色
                palette = c("#00AFBB", "#FC4E07"), # "jco"
                pointshape = 21, pointsize = 3, #符号大小
                addEllipses = TRUE,#添加浓度椭圆
                repel = TRUE,#避免文字重叠
                # Color variable by groups
                geom.var = "arrow",
                alpha.var = "contrib",                 
                #col.var = "contrib",
                gradient.cols = c("#00AFBB", "#FC4E07"), #variable的颜色也是按照palette进行修改的
                select.var = list(cos2 = 30),#选择cos2响应前30
                labelsize = 3,
               legend.title = list(fill = "Species", color = "kmeans",alpha = "Contrib"),
                title = "NR",
                xlab = "PC1 (18.2%)", ylab = "PC2 (11.8%)",               
                ) + font("title", size = 20, color = "black", face = "bold") + 
  font("subtitle", size = 12, color = "black", face = "bold") + 
  font("xlab", size = 14, color = "black", face = "bold") + 
  font("ylab", size = 14, color = "black", face = "bold") + 
  font("xy.text", size = 12, color = "black", face = "bold") + 
  border("black", 0.2) + rotate_x_text(0) + 
  font ("legend.title", size = 12, color = "black", face = "bold") + 
  font("legend.text", size = 10, color = "black", face = "bold") + 
  theme(plot.title = element_text(hjust = 0.45, vjust = -8)) + 
  theme(aspect.ratio = 0.5)

运行以上代码，得到下面的结果，图1中左侧椭圆的边框为蓝色，右侧边框颜色为红色。

图1 椭圆置信区间边框颜色显示的问题

解决办法：
将上述代码中的< “col.var = “contrib”, >取消注释再次运行就正常，如下图：

图2 椭圆置信区间边框颜色显示的问题

（二）PCA分析后的变量个数与原数据中变量个数不匹配
原代码：

# 不希望k-means算法依赖于任意变量单位，因此我们首先使用R函数scale（）缩放数据
NR_scale <- scale(data_NR[,1:168])
# 估计最佳聚集数目
fviz_nbclust(NR_scale, kmeans, method = "wss")


#利用kmeans创建变量分组
#创建3组变量
set.seed(123)
res.km <- kmeans(var$coord, centers = 3, nstart = 25) #由于k均值聚类结果的最终结果对随机开始分配敏感，因此我们指定nstart = 25。这意味着R将尝试25种不同的随机开始分配，然后选择与簇内变异最小的结果相对应的最佳结果。R中nstart的默认值为1。但是，强烈建议以较大的nstart值（例如25或50）计算k均值聚类，以获得更稳定的结果。
grp <- as.factor(res.km$cluster)
# Color variables by groups
fviz_pca_var(NR.pca, col.var = grp, 
             palette = c("#0073C2FF", "#EFC000FF", "#868686FF"),
             legend.title = "Cluster")

#绘图
NR_biplot <- fviz_pca_biplot(NR.pca, 
                win.asp = 0.8,
                # Fill individuals by groups
                geom.ind = "point",
                fill.ind = data_NR$Label, # 个体的填充
                col.ind = "black", #habillage = data_NR$Label, 个体的边框及对应名称颜色
                palette = c("#00AFBB", "#EFC000FF", "#FC4E07"), # "jco"
                pointshape = 21, pointsize = 3, #符号大小
                addEllipses = TRUE,#添加浓度椭圆
                repel = TRUE,#避免文字重叠
                # Color variable by groups
                geom.var = "arrow",
                alpha.var = "contrib",                 
                #col.var = grp,
                gradient.cols = c("#00AFBB", "#EFC000FF", "#FC4E07"), #variable的颜色也是按照palette进行修改的
                select.var = list(cos2 = 30),#选择cos2响应前30
                labelsize = 3,
                legend.title = list(fill = "Species", color = "kmeans",alpha = "Contrib"),
                title = "NR",
                xlab = "PC1 (18.2%)", ylab = "PC2 (11.8%)",
               ) + font("title", size = 20, color = "black", face = "bold") + 
  font("subtitle", size = 12, color = "black", face = "bold") + 
  font("xlab", size = 14, color = "black", face = "bold") + 
  font("ylab", size = 14, color = "black", face = "bold") + 
  font("xy.text", size = 12, color = "black", face = "bold") + 
  border("black", 0.2) + rotate_x_text(0) + 
  font ("legend.title", size = 12, color = "black", face = "bold") + 
  font("legend.text", size = 10, color = "black", face = "bold") + 
  theme(plot.title = element_text(hjust = 0.45, vjust = -8)) + 
  theme(aspect.ratio = 0.5)
NR_biplot

运行以上代码，一直报错下面内容：

Error in fviz(X, element = "var", axes = axes, geom = geom.var, color = col.var,  : 
  The length of color variableshould be the same as the number of rows in the data.

分析原因：
变量的颜色数量与原数据中行数（代表变量个数）不同。
解决办法：
以上代码并没有问题，解决办法也很简单，重新检查数据发现，在利用kmeans进行分组时，res.km <- kmeans(var$coord, centers = 3, nstart = 25)这句代码里的分类数据集var$coord是另外一组数据的结果，而不是列表NR.pca中的结果，所以将该代码改为调用NR.pca中的数据即可res.km <- kmeans(NR.pca$var$coord, centers = 3, nstart = 25)。

（三） 手动定义颜色数量过少
在利用（二）中代码运行时，当其中“palette, gradient.cols”的颜色设置小于3个时，就会报错，如下所示：

错误: Insufficient values in manual scale. 3 needed but only 2 provided.

原因：
设置分组共3组，颜色数量设置小于3个时，不够分配而报错。
解决办法：
为其提供更多的颜色，大于等于3个颜色均可，会按照从前往后的顺序选择颜色进行绘图。

（四）Biplot只显示变量结果
原代码：

#Biplot
fviz_pca_biplot(XB.pca,
                        # Individuals
                        geom.ind = "point",
                        palette = "jco",
                        addEllipses = TRUE,
                        # Variables
                        gradient.cols = "RdYlBu",
                        legend.title = list(fill = "Species", color = "Contrib", 
                                                   alpha = "Contrib"）
                        ）                        

运行以上代码时，结果如图3，由图3可知，只显示了变量（化合物）的结果（loading plot），而未显示出样本的结果（score plot）。

图3 Biplot

原因：
"XB.pca"是用其他R包进行标准化后的结果，所以此代码调用该数据集时未进行标准化。

解决方法：
利用factoextra进行PCA分析可视化时，需要将数据先利用factoMineR中的PCA()进行缩放scale()，才可以绘制图形。所以在运行上述代码前加上以下代码即可：

XB.pca <- PCA(data[,1:168], graph = TRUE)

• PCA() 默认进行scale()。
• PCA() 分析中不能含有字符，当导入原始数据具有名称或分组等非数值型信息时，可利用matrix的特性，调用数据列进行PCA() 分析（如：上述代码为调用data数据集中的第1到第168列数据，第169列为样本分组，故不调用）。

（五）fivz_pca_biplot与fivz_pca_ind中fill()的作用不同
代码1：

fviz_pca_ind(iris.pca, 
             geom.ind = "point",
             fill.ind = iris$Species,
             col.ind = "black", #habillage = data_NR$Label,
             palette = c("#00AFBB",  "#EFC000FF", "#FC4E07"),
             pointshape = 20, pointsize = 3, #符号大小
             addEllipses = TRUE
             ）

代码2：

fviz_pca_biplot(iris.pca, 
                win.asp = 0.8,
                # Fill individuals by groups
                geom.ind = "point",
                fill.ind = iris$Species, # 个体的填充
                col.ind = "black", #habillage = data_NR$Label, 个体的边框及对应名称颜色
                palette = c("#00AFBB", "#EFC000FF", "#FC4E07"), # "jco"
                pointshape = 21, pointsize = 3, #符号大小
                addEllipses = TRUE
                ）

运行代码1时，报错内容如下：

Error in if (fill %in% names(data) & is.null(add.params$fill)) add.params$fill <- fill : 
  参数长度为零

提示内容为"fill.ind"的内容为空，检查对比以后发现，代码1与代码2中引用的分组数据分别为“data_NR$Label” 与“data_NR$label”，前面为手动输入有误， 将"Label"改为小写"label"问题解决。

再次运行代码1与代码2，结果分别为图4与图5：

图4 代码1的运行结果

图5 代码2的运行结果
从上图可知，图1的三组结果均为蓝色，图2的三组则根据分组显示不同颜色，检查代码发现pointshape的设置值不一样，代码1中pointshape = 20，而代码2中pointshape = 21。
利用以下代码查询R包“ggpubr”中的所有形状组合，

ggpubr::show_point_shapes()

结果如图6所示，由图6可知，每个数字编码都代表一种形状，21表示的为空心，20表示的为实心，导致上述运行结果不一致，可根据个人需要多尝试几个数字，通过观察出图效果选择适合的形状。

图6 R包中可用的点的形状

参考内容：

1. Unexpected behavior of fviz_pca_biplot___color（连续变量/分组变量）的设置问题
2. K-Means Clustering in R: Algorithm and Practical Examples
3. PCA - Principal Component Analysis Essentials