除非您计划将主成分得分用于进一步分析，否则图形通常是PCA分析中最重要的结果。PCA生成的图表包括：
•双图
•碎石图
得分图
主成分得分（PC scores）用于将数据的行沿选定的主成分轴进行绘制。这些图以低维形式呈现数据，主要用于聚类分析，或根据特定点在两个选定成分上相对于其他点的分布位置，推导出其他信息。 在 Prism 中，您可以将光标悬停在感兴趣的点上，以获取指向数据表中相关行或列的链接。
Prism 中用于绘制此图的底层图形是气泡图，它非常灵活。
您可以通过工具栏中的按钮（
）或双击图形区域的任意位置（轴线除外）来打开“设置图表格式”对话框。这使您能够自定义多项图形特征，包括：
•通过对话框中的“坐标轴变量”部分，更改每个坐标轴上绘制的主成分（PC）
•符号的颜色、大小和边框
•标签
•图例
•以及更多功能
载荷图
载荷图仅绘制指定主成分的载荷矩阵中的数值。
与主成分得分图（PC scores plot）展示数据行（沿主成分旋转）的方式有些类似，载荷图则提供了关于数据列的信息。载荷是数据列与主成分之间的相关系数（或协方差）。该图有助于识别变量的聚类。
在下图中，我们使用了Prism软件中包含的乳腺癌样本数据，可以看到所有列都出现在左侧。这意味着第一个主成分的所有因子载荷均为负值。 负值本身并无具体含义，但由于所有变量都位于同一侧，这意味着每个变量与第一主成分的相关方向一致，即当变量值增大时，PC1得分会减小。
同样，在图中位置相近的变量（如对称性和光滑度，或半径和周长）表明沿前两个主成分存在聚类。如果我们认定前两个主成分解释了原始变量中大部分的变异性，那么就可以得出结论：在该图中聚类的变量所记录的信息在很大程度上是冗余的。 在这种情况下，未来的研究中我们或许只需测量其中一个变量即可。
双图
双图通过乘数对因子载荷进行缩放，以便将主成分得分和因子载荷绘制在同一图表上。这是PCA中常见的图表形式，因此我们提供了该功能，但在大多数情况下，我们更倾向于分别绘制因子载荷和主成分得分。
碎石图
碎石图传统上用于确定PCA中应包含的主成分数量。其名称源于碎石坡的形状——即积聚在悬崖底部的落石形成的自然斜坡。
若要使用碎石图选择主成分的数量（不推荐），请通过目测确定特征值从陡峭下降转为趋于平缓的转折点。 保留曲线开始趋于平缓之前的所有主成分，但不要包含曲线从“陡峭”转为“平缓”处对应的主成分。在此情况下，我们将仅保留前两个主成分。
如图所示，每个主成分的特征值也在碎石图上给出。根据在PCA参数对话框的“选项”选项卡中选择的主成分选择方法，碎石图还可能包含其他附加信息。
平行分析
如果您选择平行分析作为保留主成分的方法，Prism 将在碎石图中包含该分析得出的模拟特征值。
基于特征值的选择
如果您选择使用“凯泽规则”（不推荐）或指定自己的特征值阈值（不推荐），Prism 将在碎石图上添加一条水平线来表示该阈值。
方差比例图
方差解释比例图与碎石图类似，但它绘制的是每个主成分所解释的方差比例，而不是特征值。该方差比例等于该主成分的特征值除以所有主成分特征值的总和（以百分比形式表示）。该图还包含一个累积总和的条形图。 例如，下图表明前两个主成分解释了输入变量总变异性的约 80%。
根据在PCA参数对话框的“选项”选项卡中选择的主成分选择方法，方差比例图还可能包含有关该分析的其他信息。
基于总解释方差百分比的筛选
如果您选择通过设定总解释方差的阈值（通常为总解释方差的 75% 或 80%）来选择主成分，Prism 将在方差比例图上添加一条水平线以标示该阈值。下图是一个将阈值设为 75% 的示例。
