Product Image
Product Image 1

主坐标分析 (Principal Coordinates Analysis)

该方法基于距离矩阵将数据降维,用于可视化样本组间的相似性和差异性。

📦 您将获得:

主坐标分析二维散点图矢量图(.pdf)、位图(.tif)
🌟结果解读简报
方法相关参考文献
所用 R 包

温馨提醒:

·结果解读简报将在完成分析后的一个工作日内发送到您的邮箱。
·如需对图片进行细节调整和美化或对结果有疑问,欢迎在左下角联系客服进行免费处理。

价格

45.00

状态

可下单
*

分析结果图(根据示例数据得到)

主坐标分析(PCoA) Analysis Result 1

示例数据

示例文件 1: PCoA_data.csv

A1A2A3A4A5B1B2B3B4B5C1C2C3C4C5
73.0013.003.0060.0056.00142.00100.00129.0088.00131.00178.0098.00194.00191.0085.00
37.009.0028.0091.0038.0073.0088.0099.0070.00145.00178.0085.00169.00128.00136.00
8.0078.0019.0057.0025.0085.0053.0066.00140.0099.00189.00156.0085.0032.00151.00
25.0064.0010.0011.0099.0064.0083.0099.0058.00146.00171.00114.0053.00158.0054.00
78.0055.0058.0012.0022.0089.0083.0092.0072.0079.00164.00104.0055.00182.00175.00

示例文件 2: PCoA_group.csv

samplegroup
A1A
A2A
A3A
A4A
A5A

📊 数据说明

  • 数据须为csv格式(Excel-另存为csv)
  • 须上传两份数据,一份为样本数据,一份分组数据
  • 样本数据每一列为一个站位(样本)的数据;分组数据第1列为样本(站位名),对应样本数据的列名,第2列为每个样本所属分组名
  • 所有列名、分组名只能由数字、字母组成,不可有标点符号、空格、中文、希腊字母(α、β)
  • 请确保所有数据为阿拉伯数字,不要包含百分号(%)、单位(如 mg/L)、'<'等字符
  • 数据须为连续变量而不是类别变量,且不可有缺失值
  • 样本数据所有变量行数必须相等