多因素PCA分析提取最大载荷值

Question

我有一个多物种的数据集，大约400个变量。我希望对每个物种执行Princpal分量分析(Princpal Component Analysis，PCA)，并返回每个物种负载值最高的变量。

若要对数据进行复制虚拟集，请执行以下操作：

set.seed(45)
pcadata <- data.frame(matrix(sample(10, 26746*400, TRUE), ncol=400))
cbind(pcadata,"Species")

我遇到的一个问题是，对于给定的物种，有不同的样本大小。例如，我可能有250个物种A样本和520个物种B样本。因此，我必须使用prcomp函数，因为我的变量比样本多。因此，如果物种A (spA)在data.frame中，我首先必须对数据进行子集：

pcadata.s<-pcadata[,2:401]

pca<-prcomp(pcadata.s,cor=T,scale=T)
al<-abs(pca$rotation)                    #Absolute value of the loading value
loads<-sweep(al,2,colSums(al),"/")       #Percentage contribution
loads.mtx<-as.data.frame(loads)
rownames(loads.mtx)[apply(loads.mtx,2,which.max)] #Return the Column-name with the max value

我希望，不必每次都分样本，获取每个物种组的列名，例如：

Species  PC1     PC2      PC3      PC4      PC5
 spA      V3     V100     V287     V2       V65
 spB      V78    V197     V310     V23      V333 
........

刚刚意识到:我需要选择我感兴趣的组件，最好是95%的解释方差，也许我会尝试99%的also...but，我将必须包括代码。

如有任何建议，将不胜感激。

Answer 1

如果将物种名称保留为数据框架中的变量，则可以在ddply包中使用plyr。

library(plyr)
# create data with a species variable
set.seed(45)
df <- data.frame(matrix(sample(1:10, size = 50, replace = TRUE), ncol = 5))
df$species <- rep(1:2, each = 5)

# run pca and massage data per species
df2 <- ddply(.data = df, .variables = .(species), function(x){
  pca <- prcomp(x[ , 1:5], cor = TRUE, scale = TRUE)
  load <- abs(pca$rotation) 
  prop_load <- apply(load, 2, function(x) x/sum(x))
  max_load <- rownames(prop_load)[apply(prop_load, 2, function(x) which.max(x))]
  max_load2 <- data.frame(t(max_load))
  names(max_load2) <- colnames(load)
  return(max_load2)
}
)
df2

# species PC1 PC2 PC3 PC4 PC5
# 1       1  X1  X2  X4  X3  X5
# 2       2  X2  X1  X3  X2  X5

Answer 2

如果我正确理解您的问题，您希望将prcomp函数应用于您的数据子集。就我所知，没有处理这件事的原生方法。

你可以尝试一些这样的方法：

species <- unique(colnames(pcadata))
pcaresults <- list()
for (sp in species) {
  spIndices <- which(colnames(pcadata) == sp)
  pcaresults[sp] <- prcomp(pcadata[,spIndices], cor=T,scale=T)
}

这将给出一个列表，其中每个元素都是PCA对该物种的返回结果。您可以更改循环或格式化返回列表，以只获取所需的数据。