主坐標分析（Principal Coordinates Analysis，PCoA）是一種用於研究數據間相似性的多維尺度分析方法。它是一種排序方法，可以通過找到一個直角坐標系（最多N-1維），使得N個樣本表示為N個點，這些點之間的歐氏距離平方等於原始差異數據。PCoA的主要目標是創建最佳的映射，可以在圖表中查看群組/集群等信息。
PCoA的計算步驟包括：
構成差異矩陣M。
構成離差距陣A，並求出A矩陣的元素。
求出N個樣本的坐標矩陣C。
根據C給出的N個樣本的坐標值，在s維空間中排列樣本，不損失信息。
與主成分分析（PCA）相比，PCoA側重於距離，並試圖提取解釋最大距離的維度，而PCA側重於共享方差，試圖用最小數量的主成分總結多個變數，使得每個主成分解釋最多的方差。PCoA也與多維縮放緊密相關，這是一組專注於基於距離創建物品映射的統計方法。
PCoA的一個套用示例是感知映射，這是一個使用不尋常的距離度量的地理地圖製作。感知映射的思想是創建一個能讓你深入了解除距離之外的其他維度的可視化。
總的來說，PCoA是一種強大的工具，可以用於數據降維、可視化以及識別數據中的群組或集群。