
Eine PCA durchführen und sauber darstellen
Laden Sie eine Tabelle mit Messwerten hoch. Yila standardisiert die Variablen, führt die Hauptkomponentenanalyse durch und zeichnet Score-Plot, Scree-Plot und einen gut lesbaren Biplot, samt Ladungen und Skript.
Standardisieren Sie die numerischen Variablen in meinen Daten und führen Sie eine PCA durch: Zeichnen Sie einen publikationsreifen Score-Plot von PC1 gegen PC2, eingefärbt nach und mit 95-%-Konfidenzellipsen, einen Scree-Plot und einen Biplot der Variablen mit dem größten Beitrag. Geben Sie die von jeder Komponente erklärte Varianz an. Speichern Sie die Abbildungen als PNG und SVG, die Ladungstabelle und das Skript.
Öffnet sich in der Yila-Arbeitsumgebung, wo Sie im Gespräch alles anpassen können.
Eine fertige PCA
Ein offizieller Durchlauf mit einem offenen Chemie-Datensatz. Hier sehen Sie die drei gespeicherten Abbildungen; der Download enthält sie zusammen mit den Ladungen, der Varianztabelle und dem Python-Skript.

Das erhalten Sie
- Score-Plot
- PC1 gegen PC2 mit der erklärten Varianz an jeder Achse, nach Gruppe eingefärbten Punkten und 95-%-Konfidenzellipsen.
- Scree-Plot
- Die einzeln und kumulativ erklärte Varianz je Komponente, damit Sie begründen können, wie viele Komponenten Sie beibehalten.
- Biplot und Ladungen
- Pfeile für die Variablen mit dem größten Beitrag sowie die vollständige Ladungstabelle für alle Komponenten.
- Das Skript
- Die vollständige Analyse in Python (oder auf Wunsch in R), mit ausgeschriebener Vorverarbeitung.
So funktioniert es

Tabelle hochladen und Gruppen nennen
Geben Sie Yila eine CSV- oder Excel-Datei mit den Messwerten und sagen Sie, nach welcher Spalte eingefärbt werden soll. Die Gruppen dienen nur der Einfärbung, nicht der PCA selbst.

Yila prüft die Variablen und die Skalierung
Yila sieht sich Einheiten und Wertebereiche an, standardisiert Variablen, die auf unterschiedlichen Skalen gemessen wurden, und meldet fehlende Werte, bevor die PCA läuft.

Die drei Plots und die Ladungen erhalten
Score-Plot, Scree-Plot und Biplot werden gerendert, geprüft und mit den Ladungen und dem Skript gespeichert. PC1 gegen PC3, beschriftete Punkte oder eine 3D-Ansicht können Sie im selben Gespräch anfordern.
Geeignet für
Omics und Metabolomik
Sehen Sie vor der differenziellen Analyse, ob sich die Proben nach Behandlung oder nach Batch gruppieren.
Chemie und Lebensmittelwissenschaft
Zeigen Sie, wie sich Proben anhand vieler gemessener Eigenschaften zugleich trennen und welche Eigenschaften die Trennung bewirken.
Umfrage- und Fragebogendaten
Fassen Sie viele korrelierte Items zu wenigen Komponenten zusammen und sehen Sie, welche Items gemeinsam laden.
Häufige Fragen
Weitere Aufgaben

Datenanalyse-Assistent
Eine CSV/XLSX-Datei hochladen und im Chat Daten prüfen, statistische Auswertungen durchführen und publikationsreife Diagramme erstellen.

Eine publikationsreife Korrelations-Heatmap erstellen
Laden Sie Ihre Datentabelle hoch. Yila wählt ein passendes Korrelationsmaß, korrigiert für die Zahl der Tests, ordnet die Variablen so an, dass Muster sichtbar werden, und speichert die Abbildung samt vollständiger Matrix und Skript.

Eine geclusterte Genexpressions-Heatmap erstellen
Laden Sie eine Expressionsmatrix aus RNA-Seq oder Microarrays hoch. Yila filtert kaum exprimierte Gene heraus, wählt die variabelsten aus, clustert Gene und Proben und annotiert die Gruppen.
Eine PCA mit Ihren eigenen Daten
Laden Sie die Tabelle hoch und sagen Sie, wie die Gruppen eingefärbt werden sollen. Yila skaliert, zeichnet die Plots und liefert das Skript mit.
Mit Ihren Daten beginnen