审稿人：冲这个PCA，就不给Major Revisions！
p
pythonic生物人约 2 分钟
pythonic生物人约 2 分钟一图胜千言，好的图表让审稿人如沐春风！
本期主题-PCA美化。
下面使用R复现Nature中的PCA图。
数据
使用“1.4.8 iris数据集”，
绘图
使用R语言一步步复现一下上图Nature同款PCA图。
✅黑铁PCA图，
ggpca(iris_data,
metadata_cols = "species",
mode = "pca", # PCA处理
color_var = "species"
)
这个是ggplot2默认设置，不够美观！
✅钻石PCA图，
ggpca(iris_data,
metadata_cols = "species",
mode = "pca", # PCA
color_var = "species"
) +
geom_point( #个性化散点属性
aes(color = species, fill = species),
shape = 21, size = 3, stroke = 0.5, alpha = 0.8, color = "black"
) +
scale_fill_manual(values = custom_colors1) + # 自定义配色
custom_theme #自定义主题
在上一节的基础上，进行了以下多方面美化：
🔸geom_point个性化散点属性，例如，轮廓、透明度、大小等； 🔸scale_fill_manual自定义配色； 🔸custom_theme自定义主题。
已经有钻石水准了！
✅王者PCA图，
# 椭圆层（填充颜色与类别对应）
stat_ellipse(
aes(color = species, fill = species),
geom = "polygon", alpha = 0.25, linewidth = 0.01
)
在上一节的基础上，进一步进行了以下多方面美化：
🔸stat_ellipse添加椭圆，实现各分组在二维空间的聚类趋势和分布范围。
已经无限逼近文首原图，给出王者尊号！
本期结束！
获取绘图代码+测试数据+数据处理方法+依赖包安装方法，
👇（备注：299）
-推荐阅读-