我正在对一个大型数据集（14个变量，2500个观察值）进行主成分分析，目的是找出变量之间的相关性。我使用FactoMineR库。此刻，我仅使用以下代码行：
plot.PCA(X2.PCA,axes=c(1,3),unselect=1,choix="var" ,lim.cos2.var =0.5, autolab="yes" )
其中X2.PCA是我的PCA分析的结果。为了检查相关性，我手动修改了axis变量中的值，这很麻烦。我想在一个简单的散点图中显示所有PCA图。我尝试了以下方法：
pairs(X2.PCA$var$cor,upper.panel=NULL)
但是，这不会产生与plot.PCA相同的图，并且我在改善它方面有些懈怠。有人可以告诉我一种更好的方式来表示我所有的图。PCA图形吗？
这是我的数据集的前20行：
X2 <-structure（list（CO2_Lounge = c（11.2049941666667，12.2042366666667，
6.76906、11.03748250025、12.6510383333333、12.6775925、13.0000608333333， 13.6306966666667、8.669745、6.55921333333333、11.5527725、11.6418625， 10.3574658333333、10.4998775、7.97028416666667、11.540345、11.4443291666667， 12.2817125，9.51236，7.06556833333333），RH_Ext = c（8.30166666666667， 8.23433333333333、8.28441666666667、8.55523333333333、7.73623333333333， 7.77083333333333，8.20058333333333、8.4955、8.54416666666667， 8.72533333333333、8.81558333333333、7.64041666666667、7.24775， 7.22408333333333，7.4675，7.96825，7.90991666666667，8.10833333333333， 7.9985，7.90133333333333），Temp_Ext = c（6.315，6.125，6.10333333333333， 6.1125、6.35916666666667、6.11083333333333、5.5025、5.0875、5.02333333333333， 5.01666666666667、5.813333333333333、11.045、11.5866666666667， 11.5366666666667、10.6383333333333、9.3825、9.6775、8.7275、8.73166666666667， 8.86333333333333），MVHR_Sup_RH = c（6.30316666666667，6.43075， 6.07666666666667、6.45391666666667、5.54908333333333、5.60091666666667， 5.27175、5.49183333333333、5.53658333333333、5.81375、6.30241666666667， 6.01791666666667、6.042、6.11508333333333、5.77391666666667， 5.87225、6.103833333333333、6.29066666666667、6.20125、6.38491666666667），MVHR_Sup_Temp = c（22.4733333333333、22.4016666666667， 21.8633333333333， 21.5675、24.3808333333333、24.0341666666667、24.2133333333333， 23.5108333333333，23.1733333333333，22.7741666666667，22.2175， 21.6883333333333、21.625、21.5441666666667、21.2758333333333， 20.9891666666667、20.945、20.9833333333333、20.8458333333333， 20.0966666666667）RH_Bed = c（7.04791666666667，7.187，7.15883333333333， 7.04916666666667、6.91641666666667、6.886725、6.86、6.83366666666667， 7.15516666666667、7.15858333333333、7.16416666666667、6.62466666666667， 6.22441666666667、6.07291666666667、5.83141666666667、6.35733333333333， 6.4435，6.71916666666667，6.965，7.17441666666667），Temp_Bed = c（22.0466666666667， 21.95、21.5733333333333、21.3016666666667、21.795、22.0641666666667， 22.0341666666667、21.8033333333333、22.0308333333333、22.175， 21.8333333333333、20.8741666666667、20.6475、20.4716666666667， 19.8658333333333、19.8841666666667、19.9516666666667、20.165， 20.2558333333333，19.8791666666667），RH_Lounge = c（5.28233333333333， 5.37475，5.00816666666667，5.45675，5.27658333333333，5.2095， 5.18416666666667，5.07325，4.79691666666667，4.689，5.12458333333333， 5.5205，5.516，5.49433333333333，5.27533333333333，5.4145，5.48558333333333， 5.69675、5.56591666666667、5.48875），Temp_Lounge = c（22.5275， 22.0525、20.985、21.4066666666667、25.015、24.8241666666667， 24.5533333333333、24.3766666666667、23.3425、22.5308333333333， 22.1216666666667、22.3766666666667、22.1741666666667、22.1816666666667， 21.445、22.1216666666667、22.025、22.9666666666667、22.3591666666667， 21.145），Delta_Elec_Mains = c（8.77、5.25、4.4、5.2、4.38、4.74， 4.85、4.91、2.94、2.78、6.22、7.44、4.59、4.6、5.55、8.09、15.65， 3.1、2.91、3.42），MVHR_Delta_elec = c（9、8、9、8、9、9、9、9、8、9、8、9、8、8、9、9、9、8、9 ），Delta_PV = c（0.01，0，0，0，0，0，0， 0，0，0，0，2.83，2.91，1.93，0.01，0，0，0，0，0），Delta_Water = c（2.8，2.4，1，0，0，0，0，0.9，0，0，0，0.1， 0.2，0.4，0.6，1.2，3.1，0.4，0，0），Delta_Gas = c（0.5，0，0.4，0，0，0，0，0，0，0，0，0，0.06，0.24，0.3 ，0，0.5，0，0，0）），row.names = c（13050L，13051L，13054L，13055L，13058L，13059L，13060L，13062L， 13063L，13064L，13098L，13118L，13119L，13120L，13122L，13125L， 13126L，13132L，13133L，13150L），类=“ data.frame”）
谢谢