PCA
Variables
merged2 <- merged %>%
remove_rownames %>%
column_to_rownames(var="Nom_Barri") %>%
select("n.tot","pc.esp","pc.ext","pc.ue27-esp","pc.20.34","2019-2014","var20192014",
"hotel2019",
"alq.mq","alq.num","alq.pmq",
"tot_ann","pc.ent","pc.priv","pc.shared","pc.hotel","pm_ent","pm_priv","pm_sha","pm_hot",
"RFD.2017",
"tot.comp","perc.nou.comp","perc.prot.comp","perc.usat.comp",
"tot.m2","nou.m2","prot.m2","usat.m2",
"tot.eur","nou.eur","usat.eur",
"tot.eurm2","nou.eurm2","usat.eurm2")Standardizar los datos
df <- scale(merged2)Calcular eigenvalues and eigenvectors
pca_result <- prcomp(merged2, scale = TRUE)
pca_result$center## n.tot pc.esp pc.ext pc.ue27-esp pc.20.34
## 22607.643836 80.781048 13.404986 7.114347 18.988279
## 2019-2014 var20192014 hotel2019 alq.mq alq.num
## 658.342466 5.214562 276.054795 69.992967 167.369863
## alq.pmq tot_ann pc.ent pc.priv pc.shared
## 12.531159 279.835616 33.437569 60.914692 1.734542
## pc.hotel pm_ent pm_priv pm_sha pm_hot
## 1.173470 160.829973 44.526768 46.970471 172.496888
## RFD.2017 tot.comp perc.nou.comp perc.prot.comp perc.usat.comp
## 93.671233 185.191781 7.687534 2.268758 91.924106
## tot.m2 nou.m2 prot.m2 usat.m2 tot.eur
## 77.679909 59.242808 15.476027 77.344635 299.213356
## nou.eur usat.eur tot.eurm2 nou.eurm2 usat.eurm2
## 256.620662 289.042123 3592.717123 2409.018721 3335.016172pca_result$scale## n.tot pc.esp pc.ext pc.ue27-esp pc.20.34
## 14753.886904 9.009606 6.720753 7.320092 3.873115
## 2019-2014 var20192014 hotel2019 alq.mq alq.num
## 1490.085971 10.477120 490.230782 14.165945 159.168980
## alq.pmq tot_ann pc.ent pc.priv pc.shared
## 4.260785 443.819033 18.180666 20.110450 6.114537
## pc.hotel pm_ent pm_priv pm_sha pm_hot
## 1.943317 201.699239 16.003633 143.964167 403.002786
## RFD.2017 tot.comp perc.nou.comp perc.prot.comp perc.usat.comp
## 42.709775 148.403509 10.382977 17.543273 10.563166
## tot.m2 nou.m2 prot.m2 usat.m2 tot.eur
## 18.930482 47.275532 32.108977 18.206886 187.686169
## nou.eur usat.eur tot.eurm2 nou.eurm2 usat.eurm2
## 538.160472 175.932336 1372.568549 3007.385279 1505.311684#pesos asignados a cada componente
pca_result$rotation[,1:5]## PC1 PC2 PC3 PC4 PC5
## n.tot -0.17741283 0.148457550 -0.090199772 0.046638577 -0.3785431758
## pc.esp 0.08454851 -0.338945819 -0.059505026 0.116167370 -0.2359163717
## pc.ext 0.02197990 0.331097112 0.091961003 -0.123860893 0.1543276018
## pc.ue27-esp -0.16917448 0.243904058 0.029734523 -0.083560407 0.3039927459
## pc.20.34 -0.09348198 0.347876717 0.044704689 0.005072541 0.2711006659
## 2019-2014 -0.02926203 -0.158538348 -0.131353440 0.167063732 -0.3339046794
## var20192014 0.05415501 -0.172933535 -0.038540943 0.346620544 0.0259132862
## hotel2019 -0.19418446 0.202736677 -0.112823150 0.176718871 -0.0587377496
## alq.mq -0.21383792 -0.185264461 -0.006940555 0.001079246 0.1474522072
## alq.num -0.21585126 0.168222563 -0.125273010 0.132414980 -0.2245223789
## alq.pmq -0.21858458 -0.004585851 -0.051808245 -0.276997204 -0.1075669862
## tot_ann -0.18704728 0.289679488 -0.090530194 0.116235895 0.0323355894
## pc.ent -0.17240667 0.022149946 -0.176337181 0.182244475 0.1543224255
## pc.priv 0.08717043 -0.007886799 0.111677290 -0.381172807 -0.1912868661
## pc.shared 0.09808247 0.041841740 -0.064272116 -0.021146733 -0.0963308278
## pc.hotel -0.16186195 0.138739477 -0.166049385 0.188668878 -0.1459076212
## pm_ent -0.05281197 -0.082599123 -0.085239217 0.290849882 0.1954949358
## pm_priv -0.20213356 0.030315854 -0.137429500 -0.187172134 -0.0008780189
## pm_sha -0.10236450 0.002814386 -0.199518832 0.048439806 -0.0166909576
## pm_hot -0.13895565 0.098280247 -0.202647584 0.181285086 -0.0199252515
## RFD.2017 -0.24720316 -0.200611862 -0.039471911 -0.015262025 0.0948770373
## tot.comp -0.13409745 0.168042682 0.069966583 0.023787565 -0.3363081829
## perc.nou.comp -0.03563471 -0.024271795 0.428412001 0.245432866 0.0091809990
## perc.prot.comp 0.04714974 -0.024487810 -0.044842743 0.302452439 0.2252448130
## perc.usat.comp 0.02940465 0.025428216 -0.423729382 -0.289642517 -0.0329607234
## tot.m2 -0.21646989 -0.248974053 -0.006470461 -0.051748893 0.0965546706
## nou.m2 -0.17856919 0.001748951 0.325119659 0.022083833 -0.1514372193
## prot.m2 -0.06940790 0.099257541 0.157028092 0.156082937 -0.2170707094
## usat.m2 -0.19992404 -0.272041920 -0.033997741 -0.007242943 0.1271062575
## tot.eur -0.26225977 -0.183662747 0.012276781 -0.088645806 0.0673853625
## nou.eur -0.16680434 -0.038323321 0.302816703 -0.032297383 -0.0165762057
## usat.eur -0.26163157 -0.181754094 -0.055192362 -0.109668076 0.0539096788
## tot.eurm2 -0.27410778 -0.072741123 -0.006467894 -0.098769509 0.0286161191
## nou.eurm2 -0.18922017 0.026207011 0.355360951 0.026496345 -0.0526471262
## usat.eurm2 -0.27820889 -0.030014903 0.110786986 -0.100811148 -0.0147447340#results
pca_result$x[,1:5]## PC1 PC2
## el Raval -2.64570995 7.0642155950
## el Barri Gòtic -4.84991303 7.2301421580
## la Barceloneta -0.91319287 4.3097418336
## Sant Pere, Santa Caterina i la Ribera -3.63100344 5.0502132611
## el Fort Pienc -5.28512110 0.3971253605
## la Sagrada FamÃlia -1.50085775 2.4933850695
## la Dreta de l'Eixample -8.44080582 2.6287618934
## l'Antiga Esquerra de l'Eixample -5.32582929 1.7520108927
## la Nova Esquerra de l'Eixample -2.67415809 1.9373796853
## Sant Antoni -2.88723804 2.4753702302
## el Poble Sec -1.69470751 3.3251360035
## la Marina del Prat Vermell 4.30349172 -1.1618243386
## la Marina de Port 2.03362147 -0.1942950689
## la Font de la Guatlla 0.50478203 0.3776360969
## Hostafrancs -0.76911940 0.6715201445
## la Bordeta 2.19454213 -0.1386640290
## Sants - Badal 1.15517513 0.5559647068
## Sants -1.15146674 1.2731445531
## les Corts -3.60065013 0.2624622889
## la Maternitat i Sant Ramon -0.21759066 -1.1371424258
## Pedralbes -8.34418668 -6.0966554165
## Vallvidrera, el Tibidabo i les Planes -1.76908168 -3.9420333059
## Sarrià -3.37227134 -3.9488790700
## les Tres Torres -4.70437141 -5.6086327612
## Sant Gervasi - la Bonanova -4.39156111 -4.2357803780
## Sant Gervasi - Galvany -6.25497505 -2.4517276806
## el Putxet i el Farró -3.18583967 -1.8078179319
## Vallcarca i els Penitents -0.68109194 -1.5507234464
## el Coll 1.77574320 -0.4586596271
## la Salut -0.30141591 -1.1656339588
## la Vila de Grà cia -5.61671798 2.6282534388
## el Camp d'en Grassot i Grà cia Nova -1.96779944 0.2034712003
## el Baix Guinardó 0.53949451 -0.0513605568
## Can Baró 1.97149710 -0.2902686344
## el Guinardó 0.17456049 0.0005641264
## la Font d'en Fargues 1.44224501 -2.6370257669
## el Carmel 0.93429421 0.9841770098
## la Teixonera 2.07797389 -0.4735120198
## Sant GenÃs dels Agudells 1.71407742 -0.9570735251
## Montbau 2.41865965 -0.5440855563
## la Vall d'Hebron 1.68695664 -1.3821508017
## la Clota 3.92689724 -1.7772259881
## Horta 1.03828751 -0.4754350078
## Vilapicina i la Torre Llobeta 2.51097167 -0.3201452356
## Porta 2.47261540 -0.0219387741
## el Turó de la Peira 2.43424448 1.1561542115
## Can Peguera 7.84273991 1.2706729519
## la Guineueta 1.76386285 -1.2608330980
## Canyelles 3.55048854 -1.5114941652
## les Roquetes 3.16509925 1.2581540675
## Verdun 2.73463612 0.8511927633
## la Prosperitat 3.52169068 0.4691409642
## la Trinitat Nova 4.41981218 1.2823321223
## Torre Baró 5.54260019 -0.1425464000
## Ciutat Meridiana 4.45730216 2.1189909062
## Vallbona 4.53389837 -1.2005203514
## la Trinitat Vella 3.12652421 1.4800141631
## Baró de Viver 4.22867056 -0.6186052437
## el Bon Pastor 2.76416585 0.1071440830
## Sant Andreu -0.08272008 -0.3606994006
## la Sagrera 1.55608317 -0.2842876965
## el Congrés i els Indians 1.34503033 -0.4968082511
## Navas 0.50809404 -1.0078875251
## el Camp de l'Arpa del Clot -1.62855267 1.0688862222
## el Clot -0.94166471 -0.0065703054
## el Parc i la Llacuna del Poblenou 0.59918334 0.0017449868
## la Vila OlÃmpica del Poblenou -2.23125574 -2.7045918573
## el Poblenou -2.30385046 -0.6011755245
## Diagonal Mar i el Front MarÃtim del Poblenou -2.46861130 -2.9734117564
## el Besòs i el Maresme -0.25207832 1.8129466580
## Provençals del Poblenou 0.16431063 -1.6644750748
## Sant Martà de Provençals 0.81004349 -0.7948540630
## la Verneda i la Pau 2.14104254 -0.0405976301
## PC3 PC4
## el Raval -0.17610066 -0.30847871
## el Barri Gòtic 3.11676221 -2.79615545
## la Barceloneta 0.36508224 -1.31643335
## Sant Pere, Santa Caterina i la Ribera 0.64583066 -0.19339222
## el Fort Pienc 4.17059102 -0.01434539
## la Sagrada FamÃlia -2.80599100 0.49288492
## la Dreta de l'Eixample -1.62381560 3.22022136
## l'Antiga Esquerra de l'Eixample -1.37936780 1.73999225
## la Nova Esquerra de l'Eixample -0.49586421 0.62437568
## Sant Antoni -2.53195945 1.90267873
## el Poble Sec -1.07951412 -0.06289627
## la Marina del Prat Vermell -1.28019885 6.08507530
## la Marina de Port -0.76785153 -1.38299288
## la Font de la Guatlla -0.88705494 -0.63913660
## Hostafrancs 0.63384474 0.11942937
## la Bordeta -1.13522281 -0.89758437
## Sants - Badal -0.74782466 -0.75214618
## Sants -1.11554906 0.29910474
## les Corts 0.41774490 0.80314944
## la Maternitat i Sant Ramon -1.82450741 -1.27368609
## Pedralbes 4.28579374 -2.72209963
## Vallvidrera, el Tibidabo i les Planes -1.87038182 -1.68144137
## Sarrià -0.81970516 -1.66270810
## les Tres Torres -3.25153244 -1.01384246
## Sant Gervasi - la Bonanova 0.85365358 0.57945659
## Sant Gervasi - Galvany 0.47285777 1.00004841
## el Putxet i el Farró 0.47949658 0.76382479
## Vallcarca i els Penitents 1.26974937 -0.25115898
## el Coll 1.80272949 0.42155449
## la Salut 0.28909695 -1.20033050
## la Vila de Grà cia -2.87096599 2.00908341
## el Camp d'en Grassot i Grà cia Nova -1.73398132 -0.26495718
## el Baix Guinardó -1.85909877 -0.84083806
## Can Baró -1.29121752 -0.40193581
## el Guinardó -0.08673003 -0.45661868
## la Font d'en Fargues -0.44419917 0.05343755
## el Carmel 2.32734180 1.17315100
## la Teixonera 2.69223612 0.46523731
## Sant GenÃs dels Agudells 1.52061912 -0.10405598
## Montbau 3.04609788 0.53591872
## la Vall d'Hebron 2.55439486 0.98458433
## la Clota 4.13550739 5.64044430
## Horta 1.96377946 -0.12162683
## Vilapicina i la Torre Llobeta -0.79450184 -1.49411007
## Porta -0.40238818 -0.47659091
## el Turó de la Peira -0.42624677 -0.89656066
## Can Peguera -1.06894255 0.40531300
## la Guineueta 0.69202172 -1.14973083
## Canyelles -0.81503174 -1.04324898
## les Roquetes -0.66001707 -1.16830955
## Verdun 0.87055874 -1.18876970
## la Prosperitat -0.91062703 -1.08082905
## la Trinitat Nova -0.18662728 -1.80187424
## Torre Baró -0.75445180 1.14127638
## Ciutat Meridiana 0.14610117 -2.11546171
## Vallbona -0.51163483 1.53851052
## la Trinitat Vella -0.25146758 -1.36259547
## Baró de Viver -1.58158124 2.83060285
## el Bon Pastor 0.50107606 -0.09357096
## Sant Andreu 0.54867064 0.72547191
## la Sagrera -1.24007679 -0.89598301
## el Congrés i els Indians -0.80263013 -1.31248779
## Navas -0.25137631 -1.33910186
## el Camp de l'Arpa del Clot 1.04427475 0.86555877
## el Clot 0.77408450 -0.83438601
## el Parc i la Llacuna del Poblenou -1.12891674 0.06197949
## la Vila OlÃmpica del Poblenou -2.28265103 -0.84710791
## el Poblenou 0.25239584 1.72451738
## Diagonal Mar i el Front MarÃtim del Poblenou -3.40159489 1.41757220
## el Besòs i el Maresme 3.63211922 1.41873996
## Provençals del Poblenou 1.19186281 0.03329686
## Sant Martà de Provençals 2.03451676 -0.52888160
## la Verneda i la Pau 0.81850604 -1.08803066
## PC5
## el Raval 0.46841145
## el Barri Gòtic 6.46717542
## la Barceloneta 2.71516893
## Sant Pere, Santa Caterina i la Ribera 1.66010811
## el Fort Pienc -0.99992059
## la Sagrada FamÃlia -0.04895928
## la Dreta de l'Eixample -1.36881288
## l'Antiga Esquerra de l'Eixample -0.49060682
## la Nova Esquerra de l'Eixample -1.88261660
## Sant Antoni -0.79835672
## el Poble Sec 0.03563972
## la Marina del Prat Vermell 4.45439229
## la Marina de Port -1.12060122
## la Font de la Guatlla 0.59977603
## Hostafrancs 1.24064742
## la Bordeta -0.22595757
## Sants - Badal -0.13900479
## Sants -1.35212611
## les Corts -2.70863687
## la Maternitat i Sant Ramon 0.13026483
## Pedralbes 1.74796440
## Vallvidrera, el Tibidabo i les Planes 2.05277193
## Sarrià 0.10673880
## les Tres Torres 1.88388616
## Sant Gervasi - la Bonanova 0.68119401
## Sant Gervasi - Galvany -0.78605865
## el Putxet i el Farró 0.26117020
## Vallcarca i els Penitents 0.42374829
## el Coll 0.24008392
## la Salut 0.04056357
## la Vila de Grà cia -1.21218985
## el Camp d'en Grassot i Grà cia Nova -0.93721501
## el Baix Guinardó -0.40096854
## Can Baró 1.06042441
## el Guinardó -1.61474896
## la Font d'en Fargues 0.68091781
## el Carmel -1.21619253
## la Teixonera -0.01566300
## Sant GenÃs dels Agudells 0.55510002
## Montbau -0.49801912
## la Vall d'Hebron 0.05379907
## la Clota 1.75710874
## Horta -1.72823482
## Vilapicina i la Torre Llobeta -0.53692561
## Porta -1.20129998
## el Turó de la Peira -0.85196151
## Can Peguera -1.17759999
## la Guineueta -0.61949988
## Canyelles 0.08786898
## les Roquetes 0.13598095
## Verdun -0.33252829
## la Prosperitat -0.93592004
## la Trinitat Nova 0.34461328
## Torre Baró 0.90808778
## Ciutat Meridiana 0.49844764
## Vallbona 1.41516436
## la Trinitat Vella 0.72450808
## Baró de Viver 2.38269303
## el Bon Pastor -1.14362831
## Sant Andreu -3.58951515
## la Sagrera -0.91944299
## el Congrés i els Indians -0.19399404
## Navas -0.48684614
## el Camp de l'Arpa del Clot -1.60758214
## el Clot -1.69646208
## el Parc i la Llacuna del Poblenou 0.47762154
## la Vila OlÃmpica del Poblenou 2.38279721
## el Poblenou -0.98733579
## Diagonal Mar i el Front MarÃtim del Poblenou 0.81160839
## el Besòs i el Maresme -1.20359946
## Provençals del Poblenou -0.30591839
## Sant Martà de Provençals -0.76010254
## la Verneda i la Pau -1.39139451Var Exp
VE <- pca_result$sdev^2
PVE <- VE / sum(VE)
round(PVE, 2)## [1] 0.31 0.15 0.09 0.07 0.07 0.05 0.04 0.04 0.03 0.03 0.02 0.02 0.02 0.01 0.01
## [16] 0.01 0.01 0.01 0.01 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## [31] 0.00 0.00 0.00 0.00 0.00vis eigen
fviz_eig(pca_result)
Plot
biplot(pca_result, scale = 0)
graph pca
fviz_pca_ind(pca_result,
col.ind = "cos2",
gradient.cols = c("#00AFBB", "#E7B800", "#FC4E07"),
repel = TRUE
)
graph var
fviz_pca_var(pca_result,
col.var = "contrib",
gradient.cols = c("#00AFBB", "#E7B800", "#FC4E07"),
repel = TRUE
)
graph biplot
fviz_pca_biplot(pca_result, repel = TRUE,
col.var = "#2E9FDF", # Variables color
col.ind = "#696969" # Individuals color
)