R语言中非数值型字符串的因子分析方法及代码求教

GrpString包的StrKclust函数内部会先将字符串转换为特征矩阵，再进行降维聚类。要生成类似主成分分析（PCA）的因子分析结果表格，我们可以手动提取特征矩阵，再执行PCA或探索性因子分析（EFA）并整理结果。

步骤1：提取字符串特征矩阵 #

使用GrpString的Str2Features函数将字符串转换为基于字符频率的特征矩阵，这是后续分析的核心输入：

# 安装并加载包
devtools::install_github("dstgithub/GrpString")
library(GrpString)
library(tidyverse) # 用于数据整理

# 示例数据
strs3.vec <- c("ABCDdefABCDa", "AC3aABCD", "ACD1AB3", "xYZfgAxZY", "gf56xZYx", "AkfxzYZg")

# 生成字符串特征矩阵
str_features <- Str2Features(strs3.vec)
# 过滤无方差的特征（避免后续分析报错）
str_features_filtered <- str_features[, apply(str_features, 2, var) > 0]

步骤2：执行PCA并生成结果表格 #

用标准PCA分析特征矩阵，提取方差解释率和成分载荷表格：

# 执行PCA（标准化特征）
pca_result <- prcomp(str_features_filtered, scale. = TRUE)

# 生成方差解释率表格
variance_explained <- pca_result$sdev^2 / sum(pca_result$sdev^2)
pca_variance_table <- tibble(
  成分 = paste0("PC", 1:length(variance_explained)),
  方差解释率(%) = round(variance_explained * 100, 2),
  累计方差解释率(%) = round(cumsum(variance_explained) * 100, 2)
)

cat("主成分方差解释率:\n")
print(pca_variance_table)

# 生成前2个主成分的载荷表格
pca_loadings_table <- as_tibble(pca_result$rotation[, 1:2], rownames = "字符特征") %>%
  rename(PC1 = PC1, PC2 = PC2) %>%
  mutate(across(PC1:PC2, ~round(.x, 4)))

cat("\n前2个主成分载荷:\n")
print(pca_loadings_table)

步骤3：探索性因子分析（EFA）及结果表格 #

如果需要更贴近传统因子分析的结果（带旋转），可以使用psych包执行EFA：

library(psych)

# 执行因子分析（提取2个因子，方差最大化旋转）
fa_result <- fa(str_features_filtered, nfactors = 2, rotate = "varimax")

# 生成因子载荷表格
fa_loadings_table <- as_tibble(fa_result$loadings[, 1:2], rownames = "字符特征") %>%
  rename(因子1 = MR1, 因子2 = MR2) %>%
  mutate(across(因子1:因子2, ~round(.x, 4)))

cat("因子分析载荷:\n")
print(fa_loadings_table)

# 打印因子方差解释率
cat("\n因子方差解释率:\n")
print(fa_result$Vaccounted)

说明 #

• Str2Features默认生成每个字符的出现频率特征，你也可以通过参数调整为n-gram特征（比如ngram=2生成双字符组合特征）。
• 标准化特征（scale.=TRUE）在处理频率类特征时尤为重要，避免高频字符主导分析结果。

内容的提问来源于stack exchange，提问作者EB3112