R语言写主成分分析代码

以下是 R 语言的主成分分析代码：

# 读入数据
data <- read.csv("data.csv")

# 提取需要分析的变量
vars <- data[, c("var1", "var2", "var3", "var4", "var5")]

# 计算主成分
pca <- prcomp(vars, scale = TRUE)

# 查看每个主成分的方差贡献率
summary(pca)

# 绘制累计方差贡献率图
plot(pca, type = "l")

# 提取主成分得分
scores <- pca$x

# 将主成分得分添加到原始数据集
data$PC1 <- scores[, 1]
data$PC2 <- scores[, 2]
data$PC3 <- scores[, 3]
data$PC4 <- scores[, 4]
data$PC5 <- scores[, 5]

# 查看主成分得分与原始变量之间的相关性
cor(data)

以上代码中，我们首先读入数据，并提取需要进行主成分分析的变量。然后使用 `prcomp()` 函数计算主成分，并使用 `summary()` 函数查看每个主成分的方差贡献率。接着，使用 `plot()` 函数绘制累计方差贡献率图。然后，我们提取主成分得分，并将主成分得分添加到原始数据集中。最后，使用 `cor()` 函数查看主成分得分与原始变量之间的相关性。