如何在使用prcomp的PCA分析中纳入因子/水平变量？

这个问题我之前也碰到过，其实核心原因是prcomp()对输入类型的严格要求——它只接受纯数值型的矩阵或数据框，哪怕因子底层是整数编码，只要数据框里它的类型是factor，prcomp()就不会把它当成数值处理，这就是你看到colMeans()报错的原因。下面分几种场景给你解决方案：

1. 你的因子是名义型（无顺序） #

如果col1的水平（A/B/C/D）只是类别标签，没有大小或顺序意义，直接转成数值会给类别强加不合理的顺序（比如默认A=1、B=2），这时候需要用哑变量编码把因子转成0-1数值矩阵：

# 用model.matrix生成哑变量，-1是为了去掉截距项（避免多重共线性）
dummy_matrix <- model.matrix(~ col1 + col2 - 1, data = df)

# 对哑变量矩阵执行PCA
pca_result <- prcomp(dummy_matrix, center = TRUE, scale. = TRUE)

model.matrix()会把col1的4个水平转换成4个0-1列（比如col1A、col1B等），每个样本对应自己的类别列取值为1，其余为0，这样就把名义因子转换成了适合PCA的数值格式。

2. 你的因子是有序型（有明确顺序） #

如果col1的水平有天然顺序（比如A < B < C < D），那可以直接把因子转成底层的整数编码，因为这个顺序是有意义的：

# 将因子转成数值型
df$col1_numeric <- as.numeric(df$col1)

# 保留数值列并执行PCA
numeric_df <- df[, c("col1_numeric", "col2")]
pca_result <- prcomp(numeric_df, center = TRUE, scale. = TRUE)

这里as.numeric(df$col1)会返回因子水平的顺序编码（比如你定义的水平顺序是"A","B","C","D"，就会得到1、2、3、4），适合有序因子的场景。

3. 使用支持混合数据的PCA工具 #

如果你不想手动处理因子，也可以用FactoMineR包的PCA()函数，它可以直接识别并处理因子类型的变量，不需要手动编码：

# 先安装包（首次使用时）
# install.packages("FactoMineR")
library(FactoMineR)

# 直接传入包含因子的数据框，函数会自动处理分类变量
pca_result <- PCA(df, scale.unit = TRUE)

这个函数会自动将分类变量转换为合适的编码方式参与PCA计算，非常适合包含多个因子变量的复杂数据集。

内容的提问来源于stack exchange，提问作者Denis