prcomp和ggbi图:无效的“rot”值

Question

我试图用R对我的数据进行PCA分析，我找到了这个很好的向导，使用prcomp和ggbiplot。我的数据是两个样本类型，三个生物复制，每个(即6行)和大约20000个基因(即变量)。首先，使用指南中描述的代码获取PCA模型不起作用：

>pca=prcomp(data,center=T,scale.=T)
Error in prcomp.default(data, center = T, scale. = T) : 
cannot rescale a constant/zero column to unit variance

但是，如果我删除了scale. = T部分，它就可以正常工作，并得到一个模型。这是为什么，这是造成下面错误的原因吗？

> summary(pca)
Importance of components:
                             PC1       PC2       PC3       PC4       PC5
Standard deviation     4662.8657 3570.7164 2717.8351 1419.3137 819.15844
Proportion of Variance    0.4879    0.2861    0.1658    0.0452   0.01506
Cumulative Proportion     0.4879    0.7740    0.9397    0.9849   1.00000

第二，绘制PCA图。即使仅仅使用基本代码，我也会得到一个错误和一个空的情节映像：

> ggbiplot(pca)
Error: invalid 'rot' value

这是什么意思，我该怎么解决呢？这与PCA的(非)尺度有关吗?还是有什么不同？我想，这一定是我的数据，因为如果我使用一个标准的示例代码(下面)，我会得到一个非常好的PCA图。

> data(wine)
> wine.pca=prcomp(wine,scale.=T)
> print(ggbiplot(wine.pca, obs.scale = 1, var.scale = 1, groups = wine.class, 
  ellipse = TRUE, circle = TRUE))

编辑1我尝试过用两种方式对我的数据进行细分: 1)删除所有列，所有行为0，2)删除所有列，如果任何行为0。第一个子设置仍然给出了scale错误，但没有删除任何0的列。为什么呢？这对我的PCA有什么影响？

另外，我尝试对原始数据(非缩放)和上面的子设置数据使用普通的biplot命令，并且在这两种情况下都可以工作。所以这和ggbiplot有关

编辑2我已经上传了我的数据子集，当我不删除所有的零时给出错误，并且当我删除时工作。我以前没有使用过gist，但我认为这是它。或者这..。

Answer 1

在转换您的数据之后，我能够复制您的错误。第一个错误是主要问题。PCA力求使每个分量的方差最大化，所以重要的是不要只关注一个可能具有很高方差的变量。第一个错误：

Error in prcomp.default(tdf, center = T, scale. = T) : 
  cannot rescale a constant/zero column to unit variance

这告诉你，你的一些变量的方差为零(即没有变化)。看看PCA是如何通过最大化方差来对事物进行分组的，保留这些变量是没有意义的。可以通过以下调用轻松地删除它们：

df_f <- data[,apply(data, 2, var, na.rm=TRUE) != 0]

完成此筛选之后，其余的调用将正常工作。

pca=prcomp(df_f,center=T,scale.=T)
ggbiplot(pca)