科研绘图系列：R语言热图和PCA（heatmap PCA）

介绍

主成分分析（PCA）是一种统计技术，用于简化数据集的复杂性，同时保留数据中的主要变异性。在PCA中，原始变量被转换为不相关的新变量，称为主成分（PCs）。这些主成分按照方差递减的顺序排列。通常，前几个主成分就能够解释大部分的数据变异性。

PCA的结果通常通过两种类型的图表来展示：score图和loading图。

1. PCA的score图（得分图）：
   • Score图展示了样本在主成分空间中的分布情况。
   • 每个点代表一个样本，点的位置由其在各个主成分上的得分决定。
   • 第一主成分和第二主成分通常用于二维score图，以便于可视化。
   • Score图可以帮助识别样本之间的相似性和差异性，以及可能的样本分组或异常值。
   • 通过score图，可以观察到样本在主成分上的投影，从而了解它们之间的相对位置和距离。
2. PCA的loading图（载荷图）：
   • Loading图展示了原始变量在主成分空间中的