14  三维PCA(可交互)

基本过程：

1，通过R语言自带的函数prcomp()，计算绘制PCA点图的坐标位置

2，通过plotly包绘制三维散点图

结果预览如下

动图封面

代码如下：

# 加载R包，没有安装请先安装  install.packages("包名") 
library(plotly)
library(tidyverse)
library(htmlwidgets)

# 读取PCA数据文件
df = read.delim("https://www.bioladder.cn/shiny/zyp/bioladder2/demoData/PCA3_HTML/data.txt",# 这里读取了网络上的demo数据，将此处换成你自己电脑里的文件
                header = T,    # 指定第一行是列名
                row.names = 1  # 指定第一列是行名
)
df=t(df) # 对数据进行转置，如果想对基因分组则不用转置

# 读取样本分组数据文件
dfGroup = read.delim("https://www.bioladder.cn/shiny/zyp/bioladder2/demoData/PCA3_HTML/class.txt",
                     header = T,
                     row.names = 1
)

# PCA计算
pca_result <- prcomp(df,
                     scale=T  # 一个逻辑值，指示在进行分析之前是否应该将变量缩放到具有单位方差
)
pca_result$x<-data.frame(pca_result$x)

#计算PC值，并替换列名，用来替换坐标轴上的标签
pVar <- pca_result$sdev^2/sum(pca_result$sdev^2)
pVar = round(pVar,digits = 3)
colnames(pca_result$x)[1] = paste0("PC1 (",as.character(pVar[1] * 100 ),"%)")
colnames(pca_result$x)[2] = paste0("PC2 (",as.character(pVar[2] * 100 ),"%)")
colnames(pca_result$x)[3] = paste0("PC3 (",as.character(pVar[3] * 100 ),"%)")

pca_result$x = pca_result$x %>%
  rownames_to_column()

# 绘图
fig <- plot_ly(pca_result$x,
               text = ~paste0(rowname),
               x = ~pca_result$x[,2],
               y = ~pca_result$x[,3],
               z = ~pca_result$x[,4],
               color = ~dfGroup[,1],
              colors = c('#BF382A', '#0C4B8E')

               )
fig <- fig %>% add_markers()
fig <- fig %>% layout(scene = list(xaxis = list(title = colnames(pca_result$x)[2]),
                                   yaxis = list(title = colnames(pca_result$x)[3]),
                                   zaxis = list(title = colnames(pca_result$x)[4])))

fig <- fig %>% config(displaylogo = FALSE)
fig
# 保存为网页
htmlwidgets::saveWidget(fig,"1.html")