5

私は、4 つの集団、4 つの処理、および 3 つの複製からの個人のデータセットを持っています。各個人は、1 つの集団、治療、複製の組み合わせのみに属します。私は各個人から 4 つの測定値を取得しました。各母集団、基質、複製の組み合わせについて、これらの測定値について PCA を実行したいと思います。

すべての個人に対して PCA を実行する方法を認識しており、集団、基質、および複製の組み合わせごとにデータセットを複数のデータセットに分割し、新しいデータセットごとに PCA を実行できます。

完全なデータセットに対して PCA を実行し、集団、基質、複製の組み合わせごとに個別の PC1、PC2... の結果を最も効率的に取得するにはどうすればよいですか? データセットをリストに変換することを考えていますが、princomp 関数をリストに適用する方法がわかりません。私は正しい軌道に乗っていますか？

サンプルデータ：

TestData<- structure(list(Location = c("A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "A",
                                   "B", "B", "B", "B", "B", "B", "B", "B", "B", "B", "B", "B",
                                   "C", "C", "C", "C", "C", "C", "C", "C", "C", "C", "C", "C",
                                   "D", "D", "D", "D", "D", "D", "D", "D", "D", "D", "D", "D"),
              Substrate = c("A", "B", "C", "D", "A", "B", "C", "D", "A", "B", "C", "D",
                            "A", "B", "C", "D", "A", "B", "C", "D", "A", "B", "C", "D",
                            "A", "B", "C", "D", "A", "B", "C", "D", "A", "B", "C", "D",
                            "A", "B", "C", "D", "A", "B", "C", "D", "A", "B", "C", "D"),
              Replicate = c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 
                            1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 
                            1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 
                            1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L), 
              Adult_Weight = c(0.0092, 0.0083, 0.0088, 0.0077, 0.0088, 0.01, 
                               0.0099, 0.011, 0.0078, 0.0086, 0.0071, 0.0093, 
                               0.0111, 0.01, 0.0097, 0.0091, 0.0083, 0.0098,
                               0.0093, 0.009, 0.0114, 0.0087, 0.0094, 0.0096, 
                               0.0099, 0.0105, 0.0091, 0.0115, 0.0106, 0.0104, 
                               0.0113, 0.0115, 0.0107, 0.0126, 0.0106, 0.0101,
                               0.0095, 0.0113, 0.0111, 0.0118, 0.0114, 0.0123, 
                               0.0119, 0.0103, 0.0119, 0.0116, 0.0112, 0.0114), 
              Adult_Thorax_Width = c(1.31, 1.31, 1.43, 1.45, 1.52, 1.43, 1.57, 1.45, 1.43, 1.54, 1.32, 1.49, 
                                     1.58, 1.36, 1.42, 1.45, 1.48, 1.38, 1.55, 1.46, 1.52, 1.42, 1.6, 1.49, 
                                     1.48, 1.58, 1.51, 1.53, 1.54, 1.76, 1.63, 1.62, 1.44, 1.51, 1.53, 1.58, 
                                     1.46, 1.94, 1.54, 2.09, 1.5, 1.65, 1.86, 1.54, 1.8, 1.98, 1.82, 1.63), 
              Adult_Wing_Length = c(1359L, 1377L, 1555L, 1559L, 1562L, 1578L, 1580L, 1588L, 1597L, 1598L, 1603L, 1605L, 
                                    1612L, 1614L, 1616L, 1617L, 1623L, 1628L, 1639L, 1642L, 1643L, 1649L, 1651L, 1652L, 
                                    1653L, 1653L, 1654L, 1656L, 1656L, 1656L, 1662L, 1664L, 1665L, 1668L, 1670L, 1670L, 
                                    1671L, 1672L, 1674L, 1682L, 1685L, 1687L, 1688L, 1694L, 1698L, 1698L, 1707L, 1708L), 
              Adult_Leg_Length = c(414L, 390L, 627L, 541L, 430L, 450L, 451L, 462L, 443L, 582L, 435L, 579L, 
                                   499L, 418L, 444L, 646L, 589L, 466L, 435L, 477L, 450L, 606L, 660L, 450L, 
                                   446L, 480L, 462L, 438L, 483L, 454L, 492L, 457L, 463L, 499L, 470L, 474L, 
                                   627L, 478L, 473L, 496L, 666L, 499L, 480L, 461L, 450L, 483L, 460L, 584L)),
              .Names = c("Location", "Substrate", "Replicate", "Weight", "Thorax_Width", "Wing_Length", "Leg_Length"),
              row.names = c(NA, 48L), 
              class = "data.frame")
4

1 に答える 1

9

あなたのデータ構成を正しく理解していれば、母集団と処理を階乗変数として入力し、3 つの複製を別々の行として持つ必要があります。列の種類は次のようになります。

  • 1 列目の母集団: 因子
  • 2 列目の処理: 係数
  • 3 ～ 6 列目: 数値 (合計 4 列)

また、全体的なデータ クラスは、好ましくは ' data.frame ' である必要があります。これは、' data.frame ' では、列が異なるクラス タイプを持つ可能性があるためです (たとえば、' matrix ' とは異なります)。

これは、要因変数 (ここでは ' iris$Species ') に従って、例のアイリス データセットを階層化する例です。階層化したい因子が複数ある場合は、INDICES引数の入力として 2 つ (またはそれ以上) 列の行列を使用できます。ただし、注釈付きの単一の PCA を本当に意味しているのではありませんか? これは、因子タイプの変数を数値に変更し、散布図で「 col」(=color) および「pch」(=symbol) パラメータなどを使用して注釈を付けることで簡単に実行できます。

data(iris) # Load the example Iris-dataset
class(iris)
lapply(iris, FUN=class)
#> class(iris)
#[1] "data.frame"
#> 
#> lapply(iris, FUN=class)
#$Sepal.Length
#[1] "numeric"
#
#$Sepal.Width
#[1] "numeric"
#
#$Petal.Length
#[1] "numeric"
#
#$Petal.Width
#[1] "numeric"
#
#$Species
#[1] "factor"

par(mfrow=c(2,2), mar=c(4,4,2,1))
# Separate PCA plot for each Species
# Apply our defined PCA-function where each unique INDICES are handled as a separate function call
by(iris, INDICES=iris$Species, FUN=function(z){
    # Use numeric fields for the PCA
    pca <- prcomp(z[,unlist(lapply(z, FUN=class))=="numeric"])
    plot(pca$x[,1:2], pch=16, main=z[1,"Species"]) # 2 first principal components
    z
})

# Color annotation
# Use numeric fields for the PCA
pca <- prcomp(iris[,unlist(lapply(iris, FUN=class))=="numeric"])
plot(pca$x[,1:2], pch=16, col=as.numeric(iris[,"Species"]), main="Color annotation") # 2 first principal components
legend("bottom", pch=16, col=unique(as.numeric(iris[,"Species"])), legend=unique(iris[,"Species"]))

PCA の例

左上から数えて最初の 3 つのパネルでは、PCA 軸が同じではないことに注意してください。これは、グループ単位の PCA のみを計算する場合、PCA 計算の共分散行列が同じではないという事実によるものです。

あるいは、単一の PCA が必要で、異なるカテゴリに属する​​観測をそれぞれのウィンドウにプロットするだけの場合は、次の行で何かを試すことができます。

par(mfrow=c(1,3))
# Compute the PCA
pca <- prcomp(iris[,unlist(lapply(iris, FUN=class))=="numeric"])
# Apply a plotting function over unique values of iris$Species, notice we always plot the same 'pca' object in all categories
lapply(unique(iris$Species), FUN=function(z) { 
    plot(pca$x[which(z==iris$Species),1:2], xlim=extendrange(pca$x[,1]), ylim=extendrange(pca$x[,2]),pch=16, main=z)
})

pca2

編集：

' by ' 関数のヘルプ ファイルから: "I​​NDICES: a factor or a list of factor, each of length nrow(data)."

したがって、リスト内のインデックスをby関数に提供すると、複数の階乗変数に関してデータを階層化できます。これは人為的な例です。ここで、'first' と 'second' は、データを階層化する 2 つの同時要因です。これを 3 つ (またはそれ以上) の変数に拡張するのは簡単です。

ex <- cbind(matrix(rnorm(400), ncol=4), first = c("A", "B"), second = c("foo", "bar", "asd", "fgh", "jkl"))
by(ex, INDICES=list(ex[,"first"], ex[,"second"]), FUN=function(z) z)
# Modify the above function provided in FUN to suit your needs
于 2014-10-10T13:16:40.570 に答える