問題タブ [vegan]

パッケージordiR2step()から関数をラップする関数を構築しようとしています。veganこの関数は関数に基づいていstep()ます。

これは、関数の外で完全にうまく機能するコードです。

ただし、これを関数にラップしようとすると、次のようになります。

次のエラーが表示されます。Error in eval(expr, envir, enclos) : object 'X' not found

これらのタイプの関数をラップしようとすると、いくつかの問題が発生する可能性があることはわかっています。これらの問題は、stackoverflow や他の場所 (ここ、ここ、ここなど) で何度も議論されてきました。ただし、これらのソリューションはどれも適切に機能していないようです。

この動作に関する私の理解から、step()関数、ordiR2step()ひいては は、関数内で定義された環境から読み取ることはできず、ワークスペース環境からのみ読み取ることができます。これはX、関数を呼び出す前に定義すると、すべてがうまく機能するためです。ただし、これは目的に反するため、次のような提案されたソリューションをいくつか試しました。

同じエラー...サイコロはありません...何か提案はありますか? 御時間ありがとうございます！

私はRに少し慣れていないので、基本的な質問を許してください。

完全なデータセット (358 のサイト、40 の非生物パラメーター、100 の種の観察) で CCA を実行します。

これは、最初の列でサンプル名を使用しなくても機能します (最初は、数値のサンプル名を含む最初の列が変数として解釈されたため、その情報なしでテーブルを使用しました。orditorp を介してサイト名をプロットに追加すると、「row.プロットでは name=n" です。) ただし、サンプル名を使用したいです。サンプル名情報を使用して、両方のテーブルで row.names=1 を試しました。

、およびenv/otu/envnames/otunames の任意の組み合わせ。cca はいずれの場合もうまく機能しましたが、どのプロット コマンドでも結果が得られました

私の 2 番目の問題はそれに関連しています。358 のサイトが 6 つのグループ (4x60、2x59) にグループ化されています。完全なマトリックスには、この情報が追加の列として推測されます。行名の問題を解決できなかったので、とにかく公称データにさらにこだわっています。元の行列には、最初の列 (サンプル名、数値ですが、名義に簡単に変換できます) と 2 番目の列 (グループ ID、名義) が含まれ、その後に生物学的観察が続きます。

私がしたいこと：

1. グループごとにサイトを着色している​​ 6 つのグループすべてを含む CCA。
2. 1 つのグループのデータのみを含む CCA (個々の入力テーブルを手動で作成しない)
3. 私の元のサンプル名を使用している CCA プロット。

どんな助けでも大歓迎です！本当に、私は昨日の朝からそれで立ち往生しています:/

データサブセットの pca バイプロットを作成しようとしています。同じ主成分環境内で、水分レベルに基づいてサブセットのみをプロットしたいと思います。

ご意見をお寄せいただきありがとうございます。

私はRに非常に慣れていないので、これは非常にばかげた質問かもしれませんが、今はかなり行き詰まっています。

私は現在、どの環境要因がコミュニティの分布により大きな影響を与えているかを確認するために、自分のデータに対して正規対応分析を実行しようとしています。ビーガンパッケージを使用しています。私のデータは、環境要因のテーブル (データセット EFamoA) と存在量マトリックスのテーブル (データセット AmoA) で構成されています。39 の環境要因と 334 の種を含む 41 の土壌があります。数値ではない変数のデータを消去した後、数式表記を使用して cca 分析を実行しようとします。

しかし、その後、次のエラーが発生します。

ここからどこへ行くべきか本当にわかりませんし、この問題に関してはどこにもあまり見つかりませんでした (これは、私がやっている非常に基本的な間違いであるに違いないと思います)。私の環境要因データは標準化されていません。cca ヘルプ ファイルで、アルゴリズムが標準化を行っていることを確認しましたが、前に標準化する必要があるのではないでしょうか? （スケール= TRUEは種のみです）。データを行列に変換する必要がありますか?

私はこれにしばらく苦労してきたので、私の主張を十分に明確にしたことを願っています。

編集：私の環境データにはNA値があります

私は、さまざまなサンプリングポイントで豊富な種を持っているデータセットでいくつかの叙階を行ってきました。私はmetaMDS()これを行うためにビーガンで使用しています。この機能を使用すると、次のいずれかを実行できます。

1. 群集データ (行にサイト、列に種) を直接入力し、使用する距離のタイプ (つまり、jaccard、brays curtis、euclidean など) を指定し、vegdist()これを行う関数呼び出しを指定します。

一方、あなたができる

2. （関数とは別にmetaMDS）潜在的に使用して、すでに作成した距離行列を与えます。vegdist()metaMDS()

私が混乱しているのは、最初の戦略を実行すると1つの答えが得られ、2番目の戦略を実行すると（そしてその距離行列をmetaMDS()関数に入れると）まったく異なる答えが得られることです（非常に異なる応力値、異なる座標座標） . そして、最初の戦略で作成された距離行列を呼び出すと、距離は関数から得られるものとは大幅に異なりvegdist()ます。metaMDS()私は、関数を呼び出すと、vegdist()多次元空間で距離を見つけているのに、使用するのは1次元であるということを、他の何かを調査して、ついでに読みましたvegdist()。

本質的に私が求めているのは、どのようmetaMDS()に距離を呼び出して計算するのかvegdist()(多次元空間でそれを行っているのですか?)、それは単にvegdist()それ自体を使用することとどのように違うのですか? これらの違いを理解することで、自分のデータセットに最適で最も適切な方法を特定できることを願っています。

NMDS プロットの軸を変更して、サイトがプロットされている場所にズームしようとしています。私はプロットしていない種のポイントの製品で選択されたスペースを想定しています。コードに xlim を追加しようとしましたが、役に立ちませんでした。間違った場所にあるのか、それとも別のアクションが必要なのか疑問に思っていました。以下は私のコードのコピーです。

ありがとう