如何在R中提取ggbiplot PCA绘图所用的特征向量/变量载荷数据

方案1：直接从ggbiplot返回的ggplot对象提取绘图用原始数据 #

先把绘图代码赋值给一个对象，再提取对应层的数据源即可：

# 存储绘图对象
p <- ggbiplot(xD4PCA,obs.scale = .1, var.scale = 1, 
     varname.size = 3, labels.size=6, circle = T, alpha = 0, center = T)+
     scale_x_continuous(limits=c(-2,2)) +
     scale_y_continuous(limits=c(-2,2))

# 提取变量箭头对应的数据集，ggbiplot中变量数据默认在第二层的data中
var_data <- p$layers[[2]]$data
# 也可以用ggplot_build提取渲染后的全量数据
build_data <- ggplot_build(p)
var_render_data <- build_data$data[[2]]

提取出的var_data已经包含每个变量的PC1、PC2坐标值，你可以直接整理成需要的表格，还可以额外计算你提到的方向角度和向量大小：

library(dplyr)
var_table <- var_data %>%
  mutate(
    # 计算向量长度（即你说的大小）
    magnitude = sqrt(x^2 + y^2),
    # 计算极坐标角度，转成0-360度格式，和你提到的272度参数匹配
    angle = (atan2(y, x) * 180 / pi) %% 360
  ) %>%
  select(变量名 = varname, PC1坐标 = x, PC2坐标 = y, 向量大小 = magnitude, 方向角度 = angle)

直接打印var_table就能看到所有变量的对应数据，搜索avg_sour就能得到和图上完全匹配的272度左右、大小为1的结果。

方案2：直接从PCA结果计算匹配参数的载荷数据 #

如果你不需要完全匹配绘图的渲染坐标，也可以直接从原始PCA对象提取，和你设置的ggbiplot参数对齐即可：

# 提取PCA旋转矩阵（载荷）
pca_loadings <- as.data.frame(xD4PCA$rotation[,1:2])
# 匹配ggbiplot var.scale=1的缩放逻辑
pca_loadings <- pca_loadings * xD4PCA$sdev[1:2] ^ var.scale
# 同样计算大小和角度
var_table <- pca_loadings %>%
  mutate(
    变量名 = rownames(.),
    向量大小 = sqrt(PC1^2 + PC2^2),
    方向角度 = (atan2(PC2, PC1) * 180 / pi) %% 360
  )

汇报展示优化建议 #

• 可以把表格按照向量大小降序排列，优先展示对主成分贡献更大的变量
• 可以在原图上只保留向量大小Top10的变量标签，隐藏剩余变量的标签，所有变量的完整数据放在旁边的表格中，观众既可以直观看到整体分布，也可以快速检索具体数值

内容的提问来源于stack exchange，提问作者DaveX