如何在R中应用PCA？解决“x中存在无限或缺失值”错误

你的核心问题是数据中仍存在未被处理的缺失值或无限值，sapply(pca.dataset, is.finite)仅返回每个元素的检查结果，并未实际清理这些异常值。以下是具体解决流程：

1. 定位问题值 #

先明确哪些列存在缺失或无限值：

# 统计每列的缺失值数量
colSums(is.na(pca.dataset))
# 统计每列的无限值（包括Inf/-Inf）数量
colSums(!is.finite(pca.dataset))

这能帮你判断是个别值异常，还是整列数据质量极差。

2. 清理问题值 #

根据数据情况选择以下一种处理方式：

方式一：删除含问题值的行 #

若问题行占比极低，直接删除最简便：

# 保留所有元素为有限值且无缺失的行
pca.dataset <- pca.dataset[
  complete.cases(pca.dataset) & 
  apply(pca.dataset, 1, function(row) all(is.finite(row))), 
]

方式二：填充问题值 #

若不能删除行，用统计量（如均值、中位数）填充异常值：

# 对每列填充：用该列有限值的均值替换NA和无限值
pca.dataset <- apply(pca.dataset, 2, function(col) {
  valid_vals <- col[is.finite(col) & !is.na(col)]
  col[is.na(col) | !is.finite(col)] <- mean(valid_vals, na.rm = TRUE)
  return(col)
})
# 转回数据框格式
pca.dataset <- as.data.frame(pca.dataset)

方式三：删除问题列 #

若某列的缺失/无限值占比极高（比如超过30%），直接删除该列更合理：

# 计算每列的有效值比例
valid_ratio <- colMeans(is.finite(pca.dataset) & !is.na(pca.dataset))
# 保留有效值比例≥0.7的列
pca.dataset <- pca.dataset[, valid_ratio >= 0.7]

3. 验证清理结果 #

确认数据已无异常：

# 检查是否还有缺失值
any(is.na(pca.dataset))
# 检查是否还有无限值
any(!is.finite(pca.dataset))

两个结果都应返回FALSE。

4. 重新执行PCA #

此时再运行PCA代码即可：

pca <- prcomp(pca.dataset, center = TRUE, scale. = TRUE)

额外提示：你两次调用remove_constant的逻辑是对的，但可以再验证是否还有常量列：

# 检查每列是否为常量（忽略NA）
sapply(pca.dataset, function(col) length(unique(col[!is.na(col)])) == 1)
# 若有TRUE结果，删除对应列
pca.dataset <- pca.dataset[, !sapply(pca.dataset, function(col) length(unique(col[!is.na(col)])) == 1)]

内容的提问来源于stack exchange，提问作者sunShine