怎么用r进行数据分析(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)

怎么用r进行数据分析(主成分分析及可视化)(1)

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。

怎么用r进行数据分析(主成分分析及可视化)(2)

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')

怎么用r进行数据分析(主成分分析及可视化)(3)

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)

怎么用r进行数据分析(主成分分析及可视化)(4)

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))

怎么用r进行数据分析(主成分分析及可视化)(5)

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)

怎么用r进行数据分析(主成分分析及可视化)(6)

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)

怎么用r进行数据分析(主成分分析及可视化)(7)

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

,

免责声明:本文仅代表文章作者的个人观点,与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容文字的真实性、完整性和原创性本站不作任何保证或承诺,请读者仅作参考,并自行核实相关内容。文章投诉邮箱:anhduc.ph@yahoo.com

    分享
    投诉
    首页