R数据分析：主成分分析及可视化

Principal Component Analysis (PCA) is a useful technique for exploratory data analysis, allowing you to better visualize the variation present in a dataset with many variables.

主成分分析是一个常见的降维，探索性技术，常常在量表编制或者其它变量较多数据集分析的时候会用到，今天给大家写写R语言中如何快速高效的进行PCA和可视化。

数据介绍及PCA

今天用R中自带的数据集mtcars，这个数据集只有32个观测，但是有11个变量，太多了，我们就做PCA选个主成分出来：

这儿大家得注意主成分分析只能应用于数值变量，而且变量必须标准化

• PCA only works with numeric data
• Categorical data must be encoded as numeric data (e.g. one-hot)
• Numeric data must be scaled (otherwise your PCA will be misleading)

str(mtcars)

image

可以看到我们的数据全是数值变量但是没有标准化，所以我们在做PCA的时候记得要将它标准化一波，很简单，只要设置scale的参数为真就行：

mtcars.pca <- prcomp(mtcars, center = TRUE,scale. = TRUE)
summary(mtcars.pca)

上面的代码就实现了整个数据的主成分分析，并且输出了我们的每个主成分解释的方法比。

image

很多时候，我们还需要画一个碎石图来决定保留多少个主成分，这个也非常容易实现：

screeplot(mtcars.pca,type = 'lines')

image

主成分可视化

最有意思的就是我们可以很方便地画出来变量和主成分之间的关系：

library(ggbiplot)
ggbiplot(mtcars.pca)

[图片上传失败...(image-61dd3-1612180472184)]

在上图中，所有的主成分都是从图中心发出的，我们可以看到hp，cyl,disp,wt这些变量是对主成分1贡献较大的，到这儿其实还不够，我们这个数据集是关于车车的，我们还想看那些车车在哪些变量上表现较好，

这个时候我们可以给图中的样本点加上标签：

ggbiplot(mtcars.pca, labels=rownames(mtcars))

image

这样你就可以看到那些样本点的特征最相近。

还有

你可以给你的样本点分组展示，比如在我的例子中，有的车车是日本的，有的是美国的，有的是欧洲的，我想看看不同的国家的车车在每个变量每个主成分上表现如何：

mtcars.country <- c(rep("Japan", 3), rep("US",4), rep("Europe", 7),rep("US",3), "Europe", rep("Japan", 3), rep("US",4), rep("Europe", 3), "US", rep("Europe", 3))

ggbiplot(mtcars.pca,ellipse=TRUE,  labels=rownames(mtcars), groups=mtcars.country)

image

可以看到，有了组别变量之后，出图时会自动的加上圈圈和图例

有了圈圈我们就可以发现，美国车车的hp,cyl,disp,wt这几个特征比较猛！美国车车和日本车车的差异还是比较大的。

当然了，上面的分析只是我在第一组成分和第二主成分的视角下得到的。、

我想看别别的主成分，比如PC3,PC4行不？

安排：

ggbiplot(mtcars.pca,ellipse=TRUE,choices=c(3,4),   labels=rownames(mtcars), groups=mtcars.country)

image

此时，我们发现乱了套了，因为3，4主成分本来解释的变异就不大了，所以三个国家车车在这个图中表现不出来差异也就正常了，所以通常默认我们会在1，2主成分视角下展示我们的数据。

小结

今天给大家写了主成分分析的做法和可视化，感谢大家耐心看完，自己的文章都写的很细，代码都在原文中，希望大家都可以自己做一做，如果对您有用请先收藏，再点赞转发。

也欢迎大家的意见和建议。

如果你是一个大学本科生或研究生，如果你正在因为你的统计作业、数据分析、论文、报告、考试等发愁，如果你在使用SPSS,R，Python，Mplus, Excel中遇到任何问题，都可以联系我。因为我可以给您提供最好的，最详细和耐心的数据分析服务。

如果你对Z检验，t检验，方差分析，多元方差分析，回归，卡方检验，相关，多水平模型，结构方程模型，中介调节，量表信效度等等统计技巧有任何问题，请私信我，获取最详细和耐心的指导。

If you are a student and you are worried about you statistical #Assignments, #Data #Analysis, #Thesis, #reports, #composing, #Quizzes, Exams.. And if you are facing problem in #SPSS, #R-Programming, #Excel, Mplus, then contact me. Because I could provide you the best services for your Data Analysis.

Are you confused with statistical Techniques like z-test, t-test, ANOVA, MANOVA, Regression, Logistic Regression, Chi-Square, Correlation, Association, SEM, multilevel model, mediation and moderation etc. for your Data Analysis...??

Then Contact Me. I will solve your Problem...

加油吧，打工人！

往期内容

R数据分析：如何计算问卷的组合信度，实例操练

R数据分析：如何计算问卷的聚合效度，实例操练

R数据分析：用R语言做潜类别分析LCA

R数据分析：中介作用与调节作用的分析与解释