R语言计算Iris鸢尾花数据集协方差矩阵出现NA值问题

问题根源 #

Iris内置数据集总共仅有150行观测，你代码中两次使用1:1000作为行索引取值，会生成850条不存在的空值（NA），空值在后续矩阵运算中会传递，最终导致协方差矩阵全为NA。

修正方案 #

将所有行索引的取值范围调整为不超过150即可，修正后的完整代码如下：

library(ggplot2)
library(dplyr)

dim(iris)
head(iris)

numIris <- iris %>% 
  select_if(is.numeric)

plot(numIris[1:100,])

# 原错误写法：Xraw <- numIris[1:1000,]
Xraw <- numIris[1:150,]

plot(iris[1:150,-c(5)]) # 物种名称是第5列，此处排除该列
# 原错误写法：Xraw = iris[1:1000,-c(5)]
Xraw = iris[1:150,-c(5)] # 此处排除第5列即物种列
# 首先计算协方差需要对每列做去均值处理

X = scale(Xraw, scale = FALSE)

head(X)

Xs <- scale(Xraw, scale = TRUE)
head(Xs)

covMat  = (t(X)%*%X)/ (nrow(X)-1)
head(covMat)

你也可以直接调用R内置的cov()函数计算协方差矩阵，和手动计算的结果完全一致：

# 直接调用内置函数计算
covMat_builtin <- cov(Xraw)
head(covMat_builtin)

内容的提问来源于stack exchange，提问作者Frank Telles