如何在R中用PCA计算结果作为ggplot的坐标轴标签

要解决手动修改坐标轴标签的麻烦，核心是从PCA结果中自动提取各主成分的变异解释百分比，再把逻辑封装成可复用的代码，不用每次手动拼接标签。下面用iris数据集做完整演示：

1. 执行PCA并提取变异解释率 #

library(ggplot2)
library(stats)

# 对iris的数值列做标准化PCA
iris_pca <- prcomp(iris[, 1:4], scale. = TRUE)

# 计算每个PC的变异解释百分比（保留两位小数）
var_explained <- round((iris_pca$sdev^2 / sum(iris_pca$sdev^2)) * 100, 2)

2. 封装可复用的绘图函数 #

把标签生成、绘图逻辑打包成函数，切换PC时只需修改x/y对应的PC编号：

plot_pca <- function(pca_obj, pc_x = 1, pc_y = 2, groups = NULL) {
  # 提取PCA得分数据
  scores <- as.data.frame(pca_obj$x)
  
  # 若有分组信息，合并到得分数据中
  if (!is.null(groups)) {
    scores$group <- groups
  }
  
  # 自动生成坐标轴标签
  x_lab <- paste0("PC", pc_x, " (", var_explained[pc_x], "%)")
  y_lab <- paste0("PC", pc_y, " (", var_explained[pc_y], "%)")
  
  # 初始化ggplot绘图
  p <- ggplot(scores, aes(x = .data[[paste0("PC", pc_x)]], y = .data[[paste0("PC", pc_y)]])) +
    geom_point(alpha = 0.7) +
    labs(x = x_lab, y = y_lab, title = "PCA Score Plot") +
    theme_minimal()
  
  # 若有分组，添加颜色映射
  if (!is.null(groups)) {
    p <- p + aes(color = group)
  }
  
  return(p)
}

3. 调用函数快速切换PC绘图 #

画PC1 vs PC2：

plot_pca(iris_pca, pc_x = 1, pc_y = 2, groups = iris$Species)

要切换成PC2 vs PC3？直接修改参数即可，完全不用手动调整标签：

plot_pca(iris_pca, pc_x = 2, pc_y = 3, groups = iris$Species)

关键细节说明 #

• 使用.data[[paste0("PC", pc_x)]]是为了规避ggplot的非标准求值问题，确保能正确引用对应的PC列
• 变异解释率的计算逻辑：PCA对象的sdev是各主成分的标准差，平方后得到方差，除以总方差就是该PC的解释比例，转成百分比后保留两位小数更美观
• 函数支持可选的分组参数，不需要分组时直接省略groups参数即可

内容的提问来源于stack exchange，提问作者Bridget Wheelock