Omicsmaster
点击蓝字 关注我们
深度定制 让研究突破预期
前面，在如何进行主成分分析并绘制PCA组合图？、DeepSeek+Rstudio进行主成分分析（PCA）？" data-itemshowtype="0" linktype="text" data-linktype="2">如何使用DeepSeek+Rstudio进行主成分分析（PCA）？、使用DeepSeek进行PCA、PLS-DA和OPLS-DA分析等文章为大家介绍了如何使用DeepSeek进行PCA，那么，如何使用DeepSeek绘制下图这般漂亮的PCA质心散点图？
接下来，继续以一份具体的数据为例，看下如何使用DeepSeek + Rstudio绘制漂亮的PCA质心散点图吧！
1.绘图数据的准备
数据的整理比较简单，如下图，PC1列对应横坐标，PC2列对应纵坐标，Diagnosis列对应分组颜色，然后另存为CSV格式，如下图。注意，这里的范例数据不具有现实意义，仅供绘图使用。
2.使用DeepSeek进行绘图
首先，打开DeepSeek上传范例数据。将示例数据文件直接复制粘贴到对话框中即可上传文件，当然也可点击“曲别针”上传附件。
尝试输入分析绘图指令：
基于附件文件中的数据，使用 ggolot2 包绘制质心散点图，PC1列对应横坐标，PC2列对应纵坐标，Diagnosis列对应分组颜色；配色方案为：#e26fffbb，#8e9cffbb，散点与质心（centroids）的连线颜色与分组颜色一致；要求代码步骤分明，避免函数嵌套
DeepSeek经过7秒的深度思考，很快给出了分析绘图代码。注意，我们可以仔细阅读一下DeepSeek的整个思考过程，可检查数据是否导入正确，同时也可以确保DeepSeek正确理解我们的意图。
具体的质心散点图绘图代码，如下图，代码块下方为简单的代码说明。
点击以上代码块右上角的“复制”按钮，将DeepSeek生成的R代码复制粘贴到Rstudio的脚本编辑器中运行，如下图，注意在读入本地数据前，将测试数据文件所在文件夹设置为“工作目录”。
3.代码测试与分析绘图
fba338b.png" class="rich_pages wxw-img" data-ratio="0.7" data-w="20" style="display: block;" src="https://cdn.10100.com/content/20251217/cc2a6676-b4cb-4036-9d7a-ec304fba338b.png">
逐行运行代码，验证分析代码是否正确，初始得到的绘图效果如下。
当然我们也可尝试将theme_minimal() 替换为theme_bw()，通过调整theme() 函数的panel.grid = element_blank() 参数，隐藏掉网格线，并适当调整散点大小和质心散点的描边颜色，绘图效果如下：
同样，我们也可以尝试更改配色方案，试试其他的样式，如下图。
最终得到的结果如下图：
DeepSeek给出的代码如下：
# 加载必要的包
library(ggplot2)
library(dplyr)
# 1. 读取数据
data <- read.csv("PCA_data.csv", header = TRUE, stringsAsFactors = TRUE)
# 2. 计算每个组的质心（centroids）
centroids <- data %>%
group_by(Diagnosis) %>%
summarise(PC1_mean = mean(PC1),
PC2_mean = mean(PC2))
# 3. 将质心数据合并回原数据集
data_with_centroids <- merge(data, centroids, by = "Diagnosis")
# 4. 定义颜色映射
colors <- c("Malignant" = "#e26fffbb",
"Benign" = "#8e9cffbb")
colors <- c("Malignant" = "#FF9999",
"Benign" = "#99CC00")
# 5. 创建基础散点图
p <- ggplot(data_with_centroids, aes(x = PC1, y = PC2))
# 6. 添加散点
p <- p + geom_point(aes(color = Diagnosis), shape = 19, size = 2.5,alpha = 0.8)
# 7. 添加散点到质心的连线
p <- p + geom_segment(aes(x = PC1, y = PC2,
xend = PC1_mean, yend = PC2_mean,
color = Diagnosis),linewidth = 1,
alpha = 0.4)
# 8. 添加质心点
p <- p + geom_point(data = centroids,
aes(x = PC1_mean, y = PC2_mean, fill = Diagnosis),
shape = 21, size = 2, color = "white", stroke = 0.5)
# 9. 设置颜色
p <- p + scale_color_manual(values = colors) +
scale_fill_manual(values = colors)
# 10. 添加标题和主题
p <- p + labs(title = "PCA Scatter Plot with Centroids",
x = "PC1",
y = "PC2") +
theme_minimal() +
theme(legend.position = "right")
# 修改主题
p <- p + labs(title = "PCA Scatter Plot with Centroids",
x = "PC1",
y = "PC2") +
theme_bw() +
theme(panel.grid = element_blank(),
legend.position = "right")
# 11. 显示图形
print(p)
# 可选：保存图形
# ggsave("pca_centroids_plot.png", p, width = 10, height = 8, dpi = 300)好啦，本次的质心散点图绘制教程就分享到这里啦！
奥智团队始终坚守 “让每一分科研投入都物超所值” 的核心服务理念，从项目初期需求沟通到实验执行、数据分析，再到最终文章撰写与投稿，全程提供无障碍对接。针对不同领域、不同阶段的科研探索，奥智生物提供完善的定制化组学科研服务体系，涵盖单细胞组学、空间组学、转录组学、微生物组学、蛋白代谢组学等研究方向。欢迎有项目意向的老师联系我们，奥智生物将为您提供深度定制化的解决方案。
长按识别下方二维码咨询：
*未经许可，不得以任何方式复制或抄袭本篇文章之部分或全部内容。版权所有，侵权必究。
Omicsmaster
让每一分科研投入
都物超所值