R语言画三维散点图展示主成分分析（PCA）的结果

原创

wx6221d9080e88d 2022-03-18 10:21:11 ©著作权

©著作权归作者所有：来自51CTO博客作者wx6221d9080e88d的原创作品，请联系作者获取转载授权，否则将追究法律责任

主成分分析完如果选用前两个个主成分画散点图，自己的各个类群分组不是很明显，这个时候可以选用3个主成分，画一个三维的散点图来看看。但是之前自己也没有画过，正好今天有人问到了这个，就查了查ggplot2的扩展包有没有做这个事情的，找了一个ggrgl，接下来试一下能不能行

首先是安装

帮助文档

https://github.com/coolbutuseless/ggrgl

安装命令

remotes::install_github('coolbutuseless/ggrgl', ref='main')

remotes也是一个R包，如果提示你没有这个R包的话，使用install.package('remotes')来安装

我运行安装的过程遇到了一个报错是(converted from warning) cannot remove prior installation of package ‘rlang’这种情况通常是把rlang这个包手动删除，然后再重新运行安装的命令就可以了

虽然安装成功了，但是运行代码是没有结果的，代码如下

ggplot(data=pca.result)+
  geom_sphere_3d(aes(x=PC1,y=PC2,z=PC3))

安装另外一个包的时候遇到了报错

devtools::install_github("coolbutuseless/devoutrgl")

Error: Failed to install 'unknown package' from GitHub:
  HTTP error 403.
  API rate limit exceeded for 218.2.103.18. (But here's the good news: Authenticated requests get a higher rate limit. Check out the documentation for more details.)

  Rate limit remaining: 0/60
  Rate limit reset at: 2021-05-16 09:18:58 UTC

  To increase your GitHub API rate limit
  - Use `usethis::browse_github_pat()` to create a Personal Access Token.
  - Use `usethis::edit_r_environ()` and add the token as `GITHUB_PAT`.

暂时还不知道是什么原因

ggplot2的扩展包画三维散点图暂时搞不定了，使用基础绘图函数吧

找到了一个参考链接

http://www.sthda.com/english/wiki/scatterplot3d-3d-graphics-r-software-and-data-visualization

介绍的还挺详细的，使用到的是scatterplot3dR包

首先是主成分分析

df.pca<-prcomp(iris[,1:4])
summary(df.pca)
pca.result<-df.pca$x
pca.result<-data.frame(pca.result)
head(pca.result)
pca.result$Species<-iris$Species

总共数据是150，准备150个颜色和150个形状

colors <- c("#999999", "#E69F00", "#56B4E9")
colors <- colors[as.numeric(pca.result$Species)]
shape<-16:18
shape<-shape[as.numeric(pca.result$Species)]

画图

library("scatterplot3d")
s3d <- scatterplot3d(pca.result[,1:3],
                     pch = shape, 
                     color=colors,
                     cex.symbols = 2)
legend("top", legend = levels(pca.result$Species),
       col =  c("#999999", "#E69F00", "#56B4E9"), 
       pch = c(16, 17, 18), 
       inset = -0.1, xpd = TRUE, horiz = TRUE)

最终结果如下

R语言画三维散点图展示主成分分析（PCA）的结果_github image.png