5

我有一个来自四个群体、四个治疗和三个重复的个体数据集。每个个体仅在一个群体中，处理和重复组合。我对每个人进行了四次测量。我想对每个群体、底物和复制组合的这些测量进行 PCA。

我知道如何对所有个体进行 PCA，我可以将数据集拆分为多个数据集，以针对种群、底物和复制的每种组合，然后对每个新数据集执行 PCA。

我如何才能对完整的数据集进行 PCA，以最有效地获得每个种群、底物和复制组合的 PC1、PC2... 结果？我想将数据集转换为列表，但不确定如何将 princomp 函数应用于列表。我在正确的轨道上吗？

样本数据：

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 回答 1

9

如果我正确理解您的数据组成，您应该输入您的人口和治疗作为因子变量，并将三个重复作为单独的行。列类型类似于：

  • 第一列人口：因素
  • 第二列处理：因子
  • 第 3 - 第 6 列测量：数字（共 4 列）

并且整个数据类最好是“ data.frame ”，因为在“ data.frame ”中，您的列可能具有不同的类类型（例如，与“ matrix ”不同）。

这是一个根据阶乘变量对示例 Iris-dataset 进行分层的示例，此处为“ iris$Species ”。如果您有多个要分层的因素，您可以使用两个（或更多）列矩阵作为INDICES参数的输入。你确定你不是真的意味着一个带有注释的 PCA 吗？这可以通过将因子类型变量更改为数字并在散点图中注释它们来轻松完成，例如通过' col '（=color）和' pch '（=symbol）参数。

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 示例

请注意，从左上角算起的前三个面板中的 PCA 轴并不相同。这是因为当仅计算分组 PCA 时，PCA 计算中的协方差矩阵并不相同。

或者，如果您想要一个 PCA，但只是在它们自己的窗口中绘制属于不同类别的观察，您可以尝试以下行：

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

编辑：

'by'-function的帮助文件中：“INDICES：一个因子或因子列表，每个因子的长度为 nrow(data)。”

因此，如果我们将列表中的索引提供给by函数，我们可以针对多个因子变量对数据进行分层。这是一个人工示例，其中“第一”和“第二”是对数据进行分层的两个同时因素。这应该很容易扩展到三个（或更多）变量：

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 回答