注意：输入数据格式（行、列）必需与右侧示例一致，制表符分割
1，数据来自excel，直接拷贝待绘图数据，粘贴到输入数据框即可
2，数据来自txt，各列需要制表符（tab键）分割，直接拷贝数据，粘贴到输入数据框
3，修改文字字体，图例位置，处理文字截断等图片编辑，请参考inkscape实操
4，其他问题，请左侧扫码，关注”微生信智能客服“或加群讨论！
必需输入
绘图数据：


可选输入：
图片宽：
图片高：
变量文字大小：
X轴最小值：
X轴最大值：
Y轴最小值：
Y轴最大值：

是否绘制椭圆（椭圆代表分组按默认68%的置信区间加的核心区域
注意：若有分组仅包含2个样品，则不能画椭圆）
绘制 不绘制
是否绘制相关环（即圆，代表相关性）
绘制 不绘制
此图将消耗 0 微币

主成分分析（PCA）


简介
主成分分析（Principal components analysis，PCA）利用正交变换对一系列可能相关的变量的观测值进行线性变换，从而投影为一系列线性不相关变量的值，这些不相关变量称为主成分（Principal Components）。PCA是最简单的以特征量分析多元统计分布的方法。通常情况下，这种运算可以被看作是揭露数据的内部结构，从而更好的解释数据的变量的方法。
数据说明 矩阵形式，第一行为组名，第二行为样品名，其余行为数据。图中坐标轴PC1和PC2为第一、第二主成分（即潜在变量对差异的解释率）；点代表样品，不同颜色表示不同分组； 椭圆代表分组按默认68%的置信区间加的核心区域，便于观察组间是否分开；箭头代表原始变量，其方向代表原始变量与主成分的相关性，长度代表原始数据对主成分的贡献度
生物医学常见应用 基因表达的PCA。参考：https://github.com/vqv/ggbiplot
输入 示例数据
输出

1）如何作图？
1，准备作图数据；2，用excel打开数据，调整为示例格式；3，将调整后的数据粘贴到输入框；4，选择参数；5，提交出图

2）为什么不出图？
程序对输入格式有严格要求。请务必仔细查看右侧说明及示例数据

3）如何引用？
162篇文章引用我们（Google Scholoar）。请引用原生R包，Python包等，或使用如下格式：
Heatmap was plotted by http://www.bioinformatics.com.cn, a free online platform for data analysis and visualization.

4）其他常见问题