- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
res.pca = prcomp(y, scale = TRUE)
summ=summary(res.pca)
summ
给我输出 Desired Output
我想将此摘要更改为数据框,
我试过使用 do.call(cbind, lapply(res.pca, summary)) 但它给了我 Min/Max 的总结,但不是我想要的。
请注意,我不想从列名中提取值,我寻求一个我可以使用的通用解决方案。
最佳答案
你要找的是summary(res.pca)
的“元素”importance
:
示例取自 Principal Components Analysis - how to get the contribution (%) of each parameter to a Prin.Comp.? :
a <- rnorm(10, 50, 20)
b <- seq(10, 100, 10)
c <- seq(88, 10, -8)
d <- rep(seq(3, 16, 3), 2)
e <- rnorm(10, 61, 27)
my_table <- data.frame(a, b, c, d, e)
res.pca <- prcomp(my_table, scale = TRUE)
summary(res.pca)$importance
# PC1 PC2 PC3 PC4 PC5
#Standard deviation 1.7882 0.9038 0.8417 0.52622 9.037e-17
#Proportion of Variance 0.6395 0.1634 0.1417 0.05538 0.000e+00
#Cumulative Proportion 0.6395 0.8029 0.9446 1.00000 1.000e+00
class(summary(res.pca)$importance)
#[1] "matrix"
注意:
当你想“研究”一个对象时,在它上面使用 str
会很方便。在这里,您可以执行 str(summary(pca)
来查看信息的位置,从而了解您可以从哪里获得想要的信息:
str(summary(res.pca))
List of 6
$ sdev : num [1:5] 1.79 9.04e-01 8.42e-01 5.26e-01 9.04e-17
$ rotation : num [1:5, 1:5] 0.278 0.512 -0.512 0.414 -0.476 ...
..- attr(*, "dimnames")=List of 2
.. ..$ : chr [1:5] "a" "b" "c" "d" ...
.. ..$ : chr [1:5] "PC1" "PC2" "PC3" "PC4" ...
$ center : Named num [1:5] 34.9 55 52 9 77.8
..- attr(*, "names")= chr [1:5] "a" "b" "c" "d" ...
$ scale : Named num [1:5] 22.4 30.28 24.22 4.47 26.11
..- attr(*, "names")= chr [1:5] "a" "b" "c" "d" ...
$ x : num [1:10, 1:5] -2.962 -1.403 -1.653 -0.537 1.186 ...
..- attr(*, "dimnames")=List of 2
.. ..$ : NULL
.. ..$ : chr [1:5] "PC1" "PC2" "PC3" "PC4" ...
$ importance: num [1:3, 1:5] 1.788 0.64 0.64 0.904 0.163 ...
..- attr(*, "dimnames")=List of 2
.. ..$ : chr [1:3] "Standard deviation" "Proportion of Variance" "Cumulative Proportion"
.. ..$ : chr [1:5] "PC1" "PC2" "PC3" "PC4" ...
- attr(*, "class")= chr "summary.prcomp"
关于r - 如何使用 Prcomp 在 R 中提取 PCA 的摘要作为数据框?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51301338/
如果您在线搜索,有一些线程讨论了函数 princomp 中使用 covmat 标志,该函数对其输入执行主成分分析。如果未定义 covmat 参数,princomp 首先计算输入的样本协方差矩阵。 另一
我遇到了一些密谋困境,我希望你们都能为我提供一个快速简单的答案。我使用 prcomp() 运行 PCA,并首次尝试使用 ggplot 绘制它。我已经成功地制作了一个美观的图形,但是我刚刚有同事指出它目
我正在计算 iris 数据集的 PCA,如下所示: data(iris) ir.pca <- prcomp(iris[, 1:4], center = TRUE, scale. = TRUE) 这是
我基本上是在计算一组变量的 PCA,一切正常。可以说我以 iris 数据为例,但我的数据不同。虹膜数据应该足以解释我的问题: data(iris) log.ir <- log(iris[, 1:4])
我正在尝试在以下数据集中进行主成分分析。我尝试通过 prcomp 函数和插入符预处理函数。 library(caret) library(AppliedPredictiveModeling)
我想反转从 prcomp 计算的 PCA 以恢复到我的原始数据。 我认为类似以下内容会起作用: pca$x %*% t(pca$rotation) 但事实并非如此。 以下链接显示了如何从 PC 取回原
我最近在 R 中使用 prcomp() 函数运行了 PCA,现在我需要(客观地)确定来自我的两个不同组的哪些样本是异常值,应该从进一步分析中删除。 我以前看过 PCA 图,其中置信度/方差椭圆(不确定
我正在尝试使用 R 对我的数据进行 PCA 分析,我发现 this nice guide , 使用 prcomp和 ggbiplot .我的数据是两种样本类型,每种类型具有三个生物学重复(即 6 行)
在我的 PCA 脚本(下方)中,我总是得到 PC1 与 PC2 的图表。 mydata.pca <- prcomp(mydata.fixed, center = TRUE, scale. = TRU
我用 autoplot() 制作了一个 PCA 图,但我想只在其中 2 个组周围有椭圆,而不是所有 3 个组。因此我切换到 ggplot。但是,我的轴在 autoplot 和 ggplot 方法之间似
我正在尝试使用 ggfortify 来可视化我使用 prcomp 所做的 PCA 结果。 示例代码: iris.pca <- iris[c(1, 2, 3, 4)] autoplot(prcomp(i
在下面的代码中,pc3$loadings 和 pc4$rotation 之间有什么区别? 代码: pc3<-princomp(datadf, cor=TRUE) pc3$loadings pc4<-p
res.pca = prcomp(y, scale = TRUE) summ=summary(res.pca) summ 给我输出 Desired Output 我想将此摘要更改为数据框, 我试过使用
我哪里错了?我正在尝试通过 prcomp 和我自己执行 PCA, 我得到不同的结果,你能帮我吗? 自己做: >database matrix.corstandardizevalues.standard
我有一个名为 data 的 104 个属性数据集.我想使用 prcomp 将属性数量减少到 20 个R 中的函数。 我这样做了: pr = prcomp(data) 但是pr仅包含 prcomp 的实
我正在使用功能 prcomp计算前两个主成分。但是,我的数据有一些 NA 值,因此该函数会引发错误。即使在帮助文件 ?prcomp 中提到了定义的 na.action ,它似乎也不起作用。 这是我的例
我在问是否有人可以帮助我开始对我的数据进行 PCA,这是代码结构: > dput(FA) structure(list(sample = c("c1", "c2", "c3", "Zn10_1", "
我有一个包含 50 多个变量的数据框 data,我正在尝试使用 caret 包在 R 中执行 PCA。 library(caret) library(e1071) trans <- preProces
我刚刚开始了解 PCA,我希望将它用于包含超过 4,00,000 行的巨大微阵列数据集。我的列以样本的形式存在,行以基因/基因座的形式存在。我确实阅读了一些有关使用 PCA 的教程,并遇到了 prin
我刚刚开始了解 PCA,我希望将它用于包含超过 4,00,000 行的巨大微阵列数据集。我的列以样本的形式存在,行以基因/基因座的形式存在。我确实阅读了一些有关使用 PCA 的教程,并遇到了 prin
我是一名优秀的程序员,十分优秀!