如何在Factoextra绘制的PCA图中筛选指定BIN个体？

核心思路：先基于完整数据集计算PCA，再在绘图阶段筛选目标样本，这样主成分的变异结构和原图完全一致，只是只显示指定BIN的个体。

步骤1：基于全数据计算PCA #

假设你的数据集df包含：测量数据列、标本名称列、BIN列。先剥离测量数据，计算PCA（这里给出两种常用实现方法）：

方法1：基础R的prcomp

# 提取测量数据（排除标本名称和BIN列）
measure_data <- df[, !names(df) %in% c("标本名称", "BIN")]
# 计算PCA（标准化数据，保证变量权重一致）
pca_result <- prcomp(measure_data, scale. = TRUE)

方法2：FactoMineR包的PCA（适配后续factoextra绘图）

library(FactoMineR)
# 计算PCA，关闭默认绘图
pca_result <- PCA(measure_data, scale.unit = TRUE, graph = FALSE)

步骤2：合并PCA得分与样本标签 #

把PCA主成分得分和BIN、标本名称合并，方便后续筛选：

# 提取PCA得分并关联样本标签
pca_scores <- as.data.frame(pca_result$x)
pca_scores$BIN <- df$BIN
pca_scores$标本名称 <- df$标本名称

步骤3：筛选目标BIN的样本 #

指定要保留的BIN，筛选得分数据：

target_bins <- c("ACZ5516", "ADF3772")
filtered_scores <- pca_scores[pca_scores$BIN %in% target_bins, ]

步骤4：绘制筛选后的PCA图 #

方法1：用ggplot2自定义绘图

library(ggplot2)
# 计算主成分解释率
pc1_var <- round(pca_result$sdev[1]^2 / sum(pca_result$sdev^2) * 100, 1)
pc2_var <- round(pca_result$sdev[2]^2 / sum(pca_result$sdev^2) * 100, 1)

ggplot(filtered_scores, aes(x = PC1, y = PC2, color = BIN)) +
  geom_point(size = 3) +
  labs(x = paste0("主成分1 (", pc1_var, "%)"),
       y = paste0("主成分2 (", pc2_var, "%)")) +
  theme_bw()

方法2：用factoextra快速绘图（适配FactoMineR结果）

如果用FactoMineR计算PCA，可直接用fviz_pca_ind的select.ind参数，注意传入目标样本的行索引：

library(factoextra)
# 获取目标BIN对应的行索引
target_indices <- which(df$BIN %in% target_bins)
# 绘制仅含目标样本的PCA图
fviz_pca_ind(pca_result,
             select.ind = target_indices,
             col.ind = df$BIN[target_indices],
             repel = TRUE)

常见问题说明 #

• 为什么用数据子集做PCA不行？：子集数据会重新计算主成分，其方差结构基于部分样本，和全数据的PCA结果完全不同，不符合“与原图一致”的需求。
• 之前用select.ind没显示样本？：大概率是参数传入错误——select.ind需要的是样本的行索引，而非BIN的字符串值，按上述方法获取target_indices再传入即可解决。

内容的提问来源于stack exchange，提问作者D.Underwood