在tidyverse框架中对分组数据使用PCA

如何解决在tidyverse框架中对分组数据使用PCA

# Libraries
library(tidyverse)
library(broom)

我知道tidyverse可用于执行PCA，下面是两个示例：

示例1：

iris_pca_v1 <- iris %>% 
  nest() %>% 
  mutate(
    pca = map(data,~prcomp(.x %>% select(-Species),center = T,scale = T)),pca_aug = map2(pca,data,~augment(.x,data = .y))
  )

示例2：

iris_pca_v2 <- iris %>% 
  select(-Species) %>%
  prcomp(center = T,scale = T)

但是我想知道是否有一种方法可以使用相同的tidyverse框架在分组数据中应用PCA。假设每个物种我需要拥有不同的PC。

注意：在我的实际情况下，我将在10年中使用50个州的20个变量，我想应用PCA为每个州建立索引，将20个变量压缩为十年。

解决方法

也许这就是您想要的。要获得理想的结果，您可以嵌套Species或将其分组。

library(tidyverse)
library(broom)

iris_pca_v1 <- iris %>% 
  nest() %>% 
  mutate(
    pca = map(data,~prcomp(.x %>% select(-Species),center = T,scale = T)),pca_aug = map2(pca,data,~augment(.x,data = .y))
  ) %>% 
  unnest(pca_aug) %>% 
  select(-data,-pca)
#> Warning: `...` must not be empty for ungrouped data frames.
#> Did you want `data = everything()`?

iris_pca_v2 <- iris %>% 
  nest(data = -Species) %>% 
  mutate(
    pca = map(data,~ prcomp(.x,-pca)

ggplot() +
  geom_point(data = iris_pca_v1,aes(.fittedPC1,.fittedPC2,color = "iris_pca_v1")) +
  geom_point(data = iris_pca_v2,color = "iris_pca_grouped")) +
  scale_color_manual(values = c(iris_pca_v1 = "black",iris_pca_grouped = "red" )) +
  facet_wrap(~Species)