主成分分析（PCA）是一种常用的降维方法，主要用于数据处理、分析和特征提取。其目的是通过线性变换将高维数据映射到低维空间，同时尽可能保留数据中的主要信息和特征。例如，将具有多个特征的高维丰度表降维至二维，便于比较组间的总体差异。

输入文件

基因丰度表

一个包含行和列名称的制表符分隔文本文件，其中每一列代表一个样本，每一行代表一个特征（基因、物种、代谢物等）

分组信息表

一个制表符分隔的文本文件，包含行和列名称，列名固定为（SampleID，Category）。第一列为样本名称，第二列为对应样本的分组

输出文件

图中同一组的样本使用相同的颜色和图案。两个样本之间的距离越近，其物种组成结构越相似。因此，群落结构相似性较高的样本往往聚集在一起，而存在显著差异的样本则会相距较远