データ前処理と多様性定量化 - 多変量の可視化（多変量解析・超入門）

ここでは、種数のように一つの値（単変量）に変換したデータではなく、多次元のままのデータ（多変量）をグラフ化＝可視化＝グラフ化する方法を簡単に解説します。時間の関係上、詳しく説明できないので、以下のサイトも復習の際には参考にしてください（発展的内容）。多変量解析の基礎

ここでも、有効種数の計算のページで使ったサンプルデータ（species_biwa_data.rds）を使います。

まずはライブラリの読み込み、データとメタデータの読み込みです。

library(vegan)

#load the result

species_biwa_data <- readRDS("./species_biwa_data.rds")

#add information (metadata)

date_sampling <- c("2018Sep25", "2018Sep25", "2018Oct04","2018Oct04","2018Oct04","2018Oct25","2018Oct25")

#species_biwa_data <- cbind(date_sampling, species_biwa_data)

month_sampling <- c("Sep", "Sep", "Oct","Oct","Oct","Oct","Oct")

そして、植物プランクトンのデータを割合のデータに変換します。

#convert to the proportion

species_biwa_data2 <- decostand(species_biwa_data, method="total", MARGIN=1)

最後に（解説は割愛しますが）以下のコードを実行すれば何十種類ものプランクトン種に関する多次元データを次元削減し、2次元散布図としてプロットすることができます。

#PCoA based on Bray-Curtis dissimilarity

biwa_bc.d<-vegdist(species_biwa_data2, method="bray") #Bray-curtis dissimilarity

PCoA_biwa_bc <- cmdscale(biwa_bc.d, k = 2)  #execute PCoA

x<-PCoA_biwa_bc[,1]   #extract the position of each sample

y<-PCoA_biwa_bc[,2]

plot(x,y, cex=0.5)  #2D scatter plot

text(x,y,label=month_sampling)   #set the symbols

図は以下のようになります。

Google Sites

Report abuse