PCoA，即Principal Coordinate Analysis（主坐标分析），是一种常用的多元统计分析方法，用于分析样品之间的相似性和差异性。在生态学、生物多样性和微生物学等领域中广泛应用。
PCoA基于样品之间的相似性矩阵，通过计算样品之间的欧氏距离或其他距离度量，将样品的多维数据降维为二维或三维的坐标点。PCoA可以直观展示样品之间的相似性和差异性，并帮助研究者发现样品间的关联模式。
PCoA的结果可以通过散点图或三维图表来展示。散点图中每个点代表一个样品，样品之间的距离越近表示它们之间的相似性越高，距离越远表示它们之间的差异性越大。三维图表可以更直观地展示样品之间的差异和相似性。
PCoA常与其他多元分析方法如聚类分析、NMDS（Nonmetric Multidimensional Scaling）和CCA（Canonical Correspondence Analysis）等结合使用，以深入探究样品之间复杂的关系和相互作用。