即使生在田间地头，只要你努力生长，终会被人发现，继而被世人所欣赏！

——许栋

主成分分析(principal components analysis, PCA)也称主分量分析，由霍特林(Hotelling)于1933年首先提出。主成分分析是利用降维的思想，在损失很少信息的前提下把多个指标转化为几个综合指标的多元统计方法，以此来实现降维的目的。通常把转化后的综合指标称之为主成分，其中每个主成分都是原始变量的线性组合，且各个主成分之间互不相关，这就使得主成分比原始变量具有某些更优越的性能。这样在研究复杂问题时就可以只考虑少数几个主成分而不至于损失太多信息，从而更容易抓住主要矛盾，揭示事物内部变量之间的规律性，同时使问题得到简化，提高分析效率[1]。

那么简单的来说，主成分分析的主要目的是用于判断组内样本的重复性是否足够好(图上本组内各点的距离是否足够近)以及组间样本的差异是否足够大(图上组间各点之间的距离是否足够远)这两个指标。如果PCA分析出来的结果差异性不大，则后续差异分析意义不大；如果在分析结果中存在离群的样本，那么便可以先剔除该样本，再进行后续的分析，以确保后续分析有意义。(参考来自网络)

那么如何使用Origin进行主成分分析的操作呢，接下来我们来看看吧！

Origin 2019b 32Bit

数据获取

1. 我们首先将数据转置一下，如下图