wine <- read.csv("D:\\winequality-white.csv",sep=';',header=TRUE)#数据来源http://archive.ics.uci.edu/ml/  
pc <- prcomp(wine)#采用主成分分析法
plot(pc)#As cree plot
print(pc)
summary(pc)
pcx<- prcomp(wine,TRUE)#设置scale为TRUE表面，
table(wine$quality)
summary(pcx)
sbiplot(pcx)

运行结果：

Standard deviations:
 [1] 43.949221756 12.979721330  4.643585542  1.147246458  0.828680478
 [6]  0.707396079  0.135607404  0.118811827  0.106986464  0.090589602
[11]  0.019895607  0.000559343


Rotation:
                               PC1           PC2           PC3           PC4
fixed.acidity        -1.544525e-03 -9.166733e-03 -1.292446e-02  0.1244224095
volatile.acidity     -1.690309e-04 -1.546248e-03 -9.343979e-04 -0.0050464160
citric.acid          -3.386468e-04  1.403673e-04 -1.257927e-03  0.0029386326
residual.sugar       -4.732751e-02  1.493143e-02 -9.951321e-01 -0.0759758326
chlorides            -9.757940e-05 -7.203906e-05 -7.999827e-05  0.0058640653
free.sulfur.dioxide  -2.618723e-01  9.646376e-01  2.628366e-02  0.0108349352
total.sulfur.dioxide -9.638533e-01 -2.626820e-01  4.285064e-02 -0.0119772833
density              -3.597064e-05 -1.839769e-05 -4.470891e-04  0.0009775556
pH                   -3.361997e-06 -4.080579e-05  7.022487e-03 -0.0166565597
sulphates            -3.408882e-04 -3.605330e-04  2.145496e-03 -0.0050451785
alcohol               1.250436e-02  6.479656e-03  8.288867e-02 -0.8258312591
quality               3.280412e-03  1.099334e-02  9.537000e-03 -0.5441656711
  ...................

该图使用双图标，双图标是具体化主成分分析法的结果的一种方式。原变量通过投影在新变量空间的方式表现出来，原变量的方向

用箭头方向表示，从该图，能够看到点的分布，以及找出簇、异常值和其他特征。

可以看到原变量与最前面两个主成分的相关性，以及原变量之间的相关性。