A. R數據可視化: PCA和PCoA圖, 2D和3D
主成分分析(Principal Components Analysis，PCA) ，也稱主分量分析或主成分回歸分析法，是一種無監督的數據降維方法。PCA通過線性變換將原始數據變換為一組各維度線性無關的表示，可用於提取數據的主要特徵分量，常用於高維數據的 降維 。這種降維的思想首先減少數據集的維數，同時還保持數據集的對方差貢獻最大的特徵，最終使數據直觀呈現在二維坐標系。
直觀上，第一主成分軸 優於 第二主成分軸，具有最大可分性。
主坐標分析（Principal Coordinates Analysis，PCoA），即經典多維標度（Classical multidimensional scaling），用於研究數據間的相似性。
主成分分析（Principal components analysis，PCA）是一種統計分析、簡化數據集的方法。它利用正交變換來對一系列可能相關的變數的觀測值進行線性變換，從而投影為一系列線性不相關變數的值，這些不相關變數稱為主成分（Principal Components）。具體地，主成分可以看做一個線性方程，其包含一系列線性系數來指示投影方向（如圖）。PCA對原始數據的正則化或預處理敏感（相對縮放）。PCA是最簡單的以特徵量分析多元統計分布的方法。通常情況下，這種運算可以被看作是揭露數據的內部結構，從而更好的解釋數據的變數的方法。
主坐標分析（Principal Coordinates Analysis，PCoA），即經典多維標度（Classical multidimensional scaling），用於研究數據間的相似性。PCoA與PCA都是降低數據維度的方法，但是差異在在於PCA是基於原始矩陣，而PCoA是基於通過原始矩陣計算出的距離矩陣。因此，PCA是盡力保留數據中的變異讓點的位置不改動，而PCoA是盡力保證原本的距離關系不發生改變，也就是使得原始數據間點的距離與投影中即結果中各點之間的距離盡可能相關（如圖）。
R中有很多包都提供了PCA和PCoA,比如常用的ade4包。本文將基於該包進行PCA和PCoA的分析，數據是自帶的deug，該數據提供了104個學生9門課程的成績（見截圖）和綜合評定。綜合評定有以下幾個等級：A+,A,B,B-,C-,D。
讓我們通過PCA和PCoA來看一看這樣的綜合評定是否合理，是否確實依據這9門課把這104個學生合理分配到不同組（每個等級一個組）。
前文已經介紹了PCA是基於原始數據，所以直接進行PCA分析即可。相信大家都比較熟悉散點圖的繪制方法，這里不再細講，PCA分析完畢後我們直接作圖展示結果。
整體看起來還不錯，就是B-和C-的學生似乎難以區分。
有時候PCA和PCoA的結果差不多，有時候某種方法能夠把樣本有效分開而另一種可能效果不佳，這些都要看樣本數據的特性。
除轉錄組研究以外，在16S微生物的研究中我們會根據物種豐度的文件對數據進行PCA或者PCoA分析，也是我們所說的β多樣性分析。根據PCA或者PCoA的結果看感染組和對照組能否分開，以了解微生物組的總體變化情況。
β多樣性分析的概念
Beta多樣性指的是樣本間多樣性。在腸道菌群分析中，Beta多樣性是衡量個體間微生物組成相似性的一個指標。通過計算樣本間距離可以獲得β多樣性計算矩陣，後續一般會利用PCoA、進化樹聚類等分析對此數值關系進行圖形展示。主要基於OTU的群落比較方法，有歐式距離、bray curtis距離、Jaccard 距離，這些方法優勢在於演算法簡單，考慮物種豐度（有無）和均度（相對豐度），但其沒有考慮OTUs之間的進化關系，認為OTU之間不存在進化上的聯系，每個OTU間的關系平等。另一種演算法Unifrac距離法，是根據系統發生樹進行比較，並根據16s的序列信息對OTU進行進化樹分類， 一般有加權和非加權分析。
QIIME2中重要的Beta多樣性指數：
Jaccard距離：群落差異的定性度量，即只考慮種類，不考慮豐度。
Bray-Curtis距離：群落差異的定量度量，較常用。
Unweighted UniFrac距離：包含特徵之間的系統發育關系的群落差異定性度量。
Weighted UniFrac距離：包含特徵之間的系統發育關系的群落差異定量度量。
解壓縮通過qiime2輸出的 .qza文件，獲得繪圖的matrix和pcoa結果文件
將pcoa結果整理成下表，保存為 ***_site.txt
注意沒有legend，需要AI加入。
後期需要繼續摸索，其實可以加legend的，只是目前自己的技術做不到。。。
PCA思想解析：
https://www.jianshu.com/p/09bae5cbdc53
B. 二維是什麼三維又是什麼
二維計算機圖形（2D computer graphics），也簡稱為2D CG，是基於計算機的數字圖像的產生—主要是從二維模型（例如二維幾何模型，文本，和數字圖像）產生，並且使用只適用這些模型的技術。該詞也用於指代這些模型本身。採用該技術的計算機科學的分支稱為二維計算機圖形學。
二維計算機圖形主要用於本來採用傳統印刷和繪制技術的那些應用場合，例如字體、地圖、工程制圖、廣告、等等。在那些應用中，二維圖像不僅僅是現實世界物體的一個表示，它本身是有附加含義的獨立個體；因而二維模型在那些應用中更為實用，因為它們給出了比三維計算機圖形更為直接的控制（三維圖形更象攝影而非列印）。
在諸如桌面發布、工程、和商務這樣的很多領域，基於二維計算機圖形的文檔的表述比相應的數字圖像可能會小得多—經常只有1/1000 或者更小。該表示法也更靈活，因為它可以在不同的圖像解析度進行繪制以適應不同的輸出設備。因而，文檔和插圖經常採用二維圖形文件存儲和傳輸。
二維計算機圖形於1950年年開始，基於矢量圖形設備。它們在接下來的數十年間被光柵設備大量替代。PostScript語言和X Window System協議是該領域里程碑式的發展。
三維計算機圖形（3D computer graphics）是計算機和特殊三維軟體幫助下創造的藝術作品。一般來講，該術語可指代創造這些圖形的過程，或者三維計算機圖形技術的研究領域，及其相關技術。
三維計算機圖形和二維計算機圖形的不同之處在於計算機內存儲了幾何數據的三維表示，用於計算和繪制最終的二維圖像。
一般來講，為三維計算機圖形准備幾何數據的三維建模的藝術和雕塑及照相類似，而二維計算機圖形的藝術和繪畫相似。但是，三維計算機圖形依賴於很多二維計算機圖形的相同演算法。
計算機圖形軟體中，該區別有時很模糊；有些二維應用程序使用三維技術來達到特定效果，譬如燈光，而有些主要用於三維的應用程序採用二維的視覺技術。二維圖形可以看作三維圖形的子集。
C. 制圖中的2D圖和3D圖是什麼意思
2D就是二維，也就是我們說的平面圖
3D就是三維，也就是我們常常說立體圖。制圖中常常用PROE，UG，等三維軟體來建模