开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

社区首页 >问答首页 >通过Factoextra更改fviz函数中的图例属性

问通过Factoextra更改fviz函数中的图例属性
EN

Stack Overflow用户

提问于 2019-09-23 21:50:24

回答 1查看 3.4K关注 0票数 4

我在R中运行主成分分析，并使用Factoextra包中的fviz函数绘制结果。我想使用此代码更改图例属性，如标题和值

    acp<-PCA(params_alpha, scale.unit = TRUE, ncp=5, quali.sup=c(1,2))

    plot1<-fviz_pca_biplot(acp, geom=c("point"), pointsize=1, col.var="black", axes=c(1,2), habillage=2)+
   theme(legend.text = element_text("Lobulo"))

我这里有两个主要问题:首先，当我运行代码时，我得到了这个错误：

    In grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, : font family not found in Windows font database

我试着用这篇文章的Can't change fonts in ggplot/geom_text来解决这个问题，但是没有效果。关于这段代码的另一个问题是图例属性根本没有改变。

我只想更改图例标题和值，但我不知道如何更改。如果你能帮助我，我将不胜感激。

EN

回答 1

Stack Overflow用户

发布于 2019-09-24 05:43:26

我一直在研究，并找到了解决问题的方法。这是我使用的代码

    plot1<-fviz_pca_biplot(acp, geom.ind="point", pointsize=1, col.var="black", axes=c(1,2), col.ind=params_alpha$lob ,pointshape=19) +
    scale_color_manual(name = "Lobulo", labels = c("Frontal", "Occipital", "Parietal", "Temporal"),
                 values= c("red","blue","orange","forestgreen"))

我还做了一些更改，以调整点的形状和颜色。我希望它对其他人有用。

此链接也是有用的https://rstudio-pubs-static.s3.amazonaws.com/323416_ab58ad22d9e64ba2831569cf3d14a609.html

票数 4

EN

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/58070623

复制

相关文章

ggplot2画点和分组椭圆展示主成分分析（PCA）结果的简单小例子

数据分析 r 语言

这个图来自链接 http://www.sthda.com/english/articles/31-principal-component-methods-in-r-practical-guide/112-pca-principal-component-analysis-essentials/

用户7010445

2021/03/14

5.7K1

R语言主成分分析可视化(颜值高，很详细)

编程算法数据分析 r 语言

网络上很多R语言教程都是基于R语言实战进行修改，今天为大家介绍更好用的R包，在之前聚类分析中也经常用到：factoextra和factoMineR，关于主成分分析的可视化，大家比较常见的可能是ggbiplot，这几个R包都挺不错，大家可以比较下。

医学和生信笔记

2023/02/14

1.2K0

R语言主成分分析可视化(颜值高，很详细)

R可视乎｜主成分分析结果可视化

编程算法 https 网络安全数据结构数据分析

主成分分析法是很常用的一种数据降维方法[1]。该方法可以减少数据的维数，并保持对方差贡献最大的特征，相当于保留低阶主成分，忽略高阶主成分。

庄闪闪

2021/04/09

1.8K0

【R语言】factoextra生成发表级PCA主成分分析图（二）

数据分析 r 语言

主要讲了如何展示样本的主成分分析结果，即样本在新的空间中的分布情况，便于查看样本分群的结果。

生信交流平台

2022/09/21

7440

【R语言】factoextra生成发表级PCA主成分分析图（二）

【R语言】factoextra生成发表级PCA主成分分析图（一）

数据分析编程算法

今天我们来给大家介绍另一个做PCA分析并绘图的R包factoextra，很多SCI文章中都用到了这个R包。换句话说这个R包画出来的PCA图是发表级的。

生信交流平台

2022/09/21

1.1K0

【R语言】factoextra生成发表级PCA主成分分析图（一）

R实现PCA降维

对象存储数据分析

PCA(Principal Component Analysis)，即主成分分析方法，是一种使用广泛的数据降维算法。详细的概念可以参照https://zhuanlan.zhihu.com/p/37777074 一般将多个样本降维就可以得到二维的分布，相似的样本成为一群，但有时候我们想知道哪些特征导致了这样的分群。这里我们主要讨论怎么样用R实现以及提取我们需要的特征：用R实现PCA有多个方法： prcomp() and princomp() [built-in R stats package], PCA() [FactoMineR package], dudi.pca() [ade4 package], and epPCA() [ExPosition package]

生信编程日常

2020/04/01

1.9K0

「Workshop」第十期：聚类

聚类分析的思想:对于有p个变量的数据集来说,每个观测值都是p维空间中的一个点,所以属于同一类的点在空间中的距离应该显著小于属于不同类的点之间的距离

王诗翔呀

2020/07/29

2.9K0

「Workshop」第十期：聚类

【R语言】factoextra生成发表级PCA主成分分析图（三）

数据分析 r 语言编程算法

观察仔细的小伙伴可能发现，在上面这张图里面有三个点比其他点要大一些，其实这三个点是三个组的中心点。那么我们怎么去除各组的中心点呢？其实只需要修改mean.poin这个参数就可以了

生信交流平台

2022/09/21

5540

【R语言】factoextra生成发表级PCA主成分分析图（三）

主成分分析、K均值聚类R语言实现小实例

编程算法 python 机器学习神经网络

数据集下载链接 https://acadgildsite.s3.amazonaws.com/wordpress_images/r/wineDataset_Kmeans/Wine.csv

用户7010445

2020/03/03

1.5K0

跟着Nature学绘图(6) PCA分析图表可视化

数据可视化

❝本节来继续进行论文图表复现，主要还是基于「ggplot2」来进行数据可视化 ❞ ❝近期系统整理了一下公众号所写过的一些经典文档，如果需要获取全部代码的欢迎加入小编的VIP交流群，「付费99元，周期一年」群内同步上传代码，公众号右下角添加微信咨询即可 ❞ 以往案例本节来复现文章中的Fig3-h 安装并加载R包 package.list=c("tidyverse","ggrepel"，"factoextra","RColorBrewer") for (package in package.

R语言数据分析指南

2022/09/21

5860

跟着Nature学绘图(6) PCA分析图表可视化

R语言做K均值聚类的一个简单小例子

https 网络安全机器学习存储 html

k均值聚类是一种比较常用的聚类方法，R语言里做k均值聚类比较常用的函数是kmeans()，需要输入3个参数，第一个是聚类用到的数据，第二个是你想将数据聚成几类k，第三个参数是nstarthttps://www.datanovia.com/en/lessons/k-means-clustering-in-r-algorith-and-practical-examples/

用户7010445

2020/09/29

2.3K0

高维数据 | R语言绘图基础之主成分分析

数据分析数据处理

在视觉性方面,人类普遍能够感知的是二维和三维空间。对于高维数据的可视化是将高维数据投影到二维或三维空间，去掉冗余属性，同时保留高维空间的数据和特征。说白了，高维数据的可视化就是使用降维度方法，主要分成线性和非线性两大类，关于非线性的非度量多维尺度分析NMDS见往期文章非度量多维尺度分析（NMDS），关于线性的PCA方法，见往期文章PCA做图最佳搭档-ggbiplot，本文主要针对迷弥小粉丝关于绘制线性PCA图数据处理过程遇到的问题进行记录。

黑妹的小屋

2020/08/06

2K0

Linux中的Chattr命令更改文件属性

在Linux中，文件属性是描述文件行为的元数据属性。例如，属性可以指示是否压缩文件或指定是否可以删除文件。

用户5005176

2021/08/10

3.9K0

PCA-弱水三千，取哪一瓢饮？

Rplot_FVIZ.png可以很明显的看到，第一个主成分就把我们的NSCLC和SCLC区分的还不错更多完整的PCA教程看群主之前的推文：

生信技能树

2019/05/23

1.2K0

主成分分析 factoextra

factoextra是一个R软件包，可以轻松提取和可视化探索性多变量数据分析的输出，其中包括：主成分分析（PCA），用于通过在不丢失重要信息的情况下减少数据的维度来总结连续（即定量）多变量数据中包含的信息。对应分析（CA），它是适用于分析由两个定性变量（或分类数据）形成的大型列联表的主成分分析的扩展。多重对应分析（MCA），它是将CA改编为包含两个以上分类变量的数据表格。多因素分析（MFA）专用于数据集，其中变量按组（定性和/或定量变量）组织。分层多因素分析（HMFA）：在数据组织为分

用户1359560

2018/08/27

1.9K0

主成分分析 factoextra

无监督学习聚类分析③

可以看到有16个指标支持最佳聚类数目为3，5个指标支持聚类数为2，所以该方法推荐的最佳聚类数目为3.

用户1359560

2018/08/27

7570

R语言PCA分析_r语言可视化代码

编程算法数据分析

如果不对数据进行scale处理，本身数值大的基因对主成分的贡献会大。如果关注的是变量的相对大小对样品分类的贡献，则应SCALE，以防数值高的变量导入的大方差引入的偏见。但是定标(scale)可能会有一些负面效果，因为定标后变量之间的权重就是变得相同。如果我们的变量中有噪音的话，我们就在无形中把噪音和信息的权重变得相同，但PCA本身无法区分信号和噪音。在这样的情形下，我们就不必做定标。

全栈程序员站长

2022/11/07

2.8K0

R语言PCA分析_r语言可视化代码

PCA-Statistics is the new sexy!!!

数据分析 php

PCA是为了更好地展示多维数据，通过线性转化，展示保留最多信息的主成分；将样本尽可能地分散地展示在坐标轴中达到可视化的目的；

生信技能树

2019/05/24

8160

Python中的chdir函数：更改工作目录利器

在Python中，`chdir`是一个内置函数，用于更改当前工作目录。今天就给大家简单介绍一下该函数的用法和一些注意事项，一起来学习一下吧。

华科云商小彭

2023/10/07

3790

Python中的chdir函数：更改工作目录利器

聚类分析和主成分分析

聚类算法编程算法对象存储数据分析

示例数据一：现有16种饮料的热量、咖啡因含量、钠含量和价格的数据，根据这4个变量对16饮料进行聚类。

章鱼猫先生

2021/10/15

6870

相似问题

factoextra::fviz_gap_stat()与factoextra::fviz_nbclust(df，method = "gap_stat")

10

Factoextra:如何在fviz_silhouette函数中更改平均轮廓宽度的颜色？

121

从R包fviz_pca FactoExtra中指定颜色和形状图例

19

如何使用R中的"factoextra“包中的fviz_dend函数更改树状图的标签？

2709

从fviz_pca包自定义函数FactoExtra中的点形

10

添加站长进交流群

领取专属 10元无门槛券

AI混元助手 在线答疑

关注 腾讯云开发者公众号

洞察 腾讯核心技术

剖析业界实践案例