在使用R进行PCA分析之前省略NA和数据插补

Question

我正在尝试使用princompR中的函数进行PCA分析.

以下是示例代码:

mydf <- data.frame (
    A = c("NA", rnorm(10, 4, 5)), 
    B = c("NA", rnorm(9, 4, 5), "NA"),
    C =  c("NA", "NA", rnorm(8, 4, 5), "NA")
)

out <- princomp(mydf, cor = TRUE, na.action=na.exclude)

Error in cov.wt(z) : 'x' must contain finite values only

我试图NA从数据集中删除它,但它不起作用.

ndnew <- mydf[complete.cases(mydf),]

                   A                  B                C
1                  NA                 NA               NA
2    1.67558617743171   1.28714736288378               NA
3   -1.03388645096478    9.8370942023751 10.9522215389562
4    7.10494481721949   14.7686678743866 4.06560213642725
5     13.966212462717   3.92061729913733 7.12875100279949
6   -1.91566982754146  0.842774330179978 5.26042516598668
7  0.0974919570675357    5.5264365812476 6.30783046905425
8    12.7384749395121   4.72439301946042  2.9318845479507
9    13.1859349108349 -0.546676530952666 9.98938028956806
10   4.97278207223239   6.95942086859593 5.15901566720956
11  -4.10115142119221                 NA               NA

即使我可以删除NA它,它可能没有帮助,因为每个行或列至少有一个缺失值.是否有任何R方法可以对进行PCA分析的数据进行估算？

---

更新:根据答案:

> mydf <- data.frame (A = c(NA, rnorm(10, 4, 5)), B = c(NA, rnorm(9, 4, 5), NA),
+  C =  c(NA, NA, rnorm(8, 4, 5), NA))
> out <- princomp(mydf, cor = TRUE, na.action=na.exclude)
Error in cov.wt(z) : 'x' must contain finite values only

ndnew <- mydf[complete.cases(mydf),]
out <- princomp(ndnew, cor = TRUE, na.action=na.exclude)

这有效,但是这种侮辱na.action不起作用.

是否有任何方法可以归因于数据,因为在实际数据中我几乎每列都缺少值？这种NA遗漏的结果会给我~0行或列.

Answer 1

这是因为你使用的NA字符版本确实不是NA.

这证明了我的意思:

is.na("NA")
is.na(NA)

我会在创建级别修复它,但是这是一种复古修复它的方法(因为你使用了字符"NA"它使得该类的整个列character意味着你也必须修复它as.numeric):

FUN <- function(x) as.numeric(ifelse(x=="NA", NA, x))
mydf2 <- data.frame(apply(mydf, 2, FUN))
ndnew <- mydf[complete.cases(mydf2),]
ndnew

产量:

                    A                 B                 C
3    11.3349957691175  6.97143301427903 -2.13578124048775
4    5.69035783905702 -2.44999550936244 -4.40642099309301
5  -0.865878644072023  6.03782080227184  9.83402859382248
6    6.58329959845638  5.67811450593805  12.4477770011262
7   0.759928613563254  16.6445809805028  9.45835418422973
8    11.3798459951171  1.36989010500538 0.784492783538675
9   0.671542080233918   5.9024564388189  16.2389092991422
10   3.64295741533713  9.78754135462621  -2.4293697924212

编辑:================================================ ==========

"这种方法有效,但是这种行为不起作用"

不太了解princomp,但这有效(不确定为什么函数的na.action没有):

out <- princomp(na.omit(mydf), cor = TRUE)

"有没有任何方法可以归咎于数据,因为在实际数据中我几乎每列都缺少值？这样的遗漏结果会给我~0行或列"

这真的是你的第一个问题,你应该在自己研究一下这个话题之后开始一个新的主题.

Answer 2

对于na.action有效果,你需要明确提供一个formula论点:

princomp(formula = ~., data = mydf, cor = TRUE, na.action=na.exclude)

# Call:
# princomp(formula = ~., data = mydf, na.action = na.exclude, cor = TRUE)
# 
# Standard deviations:
#    Comp.1    Comp.2    Comp.3 
# 1.3748310 0.8887105 0.5657149 

该公式是必需的,因为它触发调度princomp.formula,这是唯一princomp有用的方法na.action.

methods('princomp')
[1] princomp.default* princomp.formula*

names(formals(stats:::princomp.formula))
[1] "formula"   "data"      "subset"    "na.action" "..."  

names(formals(stats:::princomp.default))
[1] "x"      "cor"    "scores" "covmat" "subset" "..."