R语言按固定列区间循环执行PCA分析的问题求助

原代码核心问题 #

• 循环索引逻辑错误：i从1遍历到总列数会导致i+15超出数据集列边界，且重复处理重叠列组，正确索引需要每16位步进一次
• 返回值处理错误：prcomp()返回的是PCA模型对象，不能直接赋值给数据框列，需提取模型的$x属性获取主成分得分矩阵
• 直接覆盖原数据风险极高，建议单独创建容器存储PCA得分，避免原数据损坏

可运行实现代码 #

# 确认总列数可被16整除，560/16=35，符合分组要求
stopifnot(ncol(df) %% 16 == 0)

# 初始化和原数据集同维度的矩阵存储所有主成分得分
pca_all_scores <- matrix(nrow = nrow(df), ncol = ncol(df))
# 可选：如果只需要每组前k个主成分，比如前2个，就把上面的ncol改成 (ncol(df)%/%16)*2

# 按每16列分组循环执行PCA
for (i in seq(1, ncol(df), by = 16)) {
  # 提取当前分组的16列数据
  group_data <- df[, i:(i+15)]
  # 执行PCA，默认输出和原变量数相同的主成分
  pca_model <- prcomp(group_data, center = TRUE, scale. = TRUE)
  # 存储得分到对应列区间
  pca_all_scores[, i:(i+15)] <- pca_model$x
  # 可选：如果只存前2个主成分，就改为：
  # group_idx <- (i-1)/16
  # pca_all_scores[, (group_idx*2 +1):(group_idx*2 +2)] <- pca_model$x[, 1:2]
}

# 转为数据框格式方便后续处理
pca_scores_df <- as.data.frame(pca_all_scores)

注意事项 #

• 运行前请先检查原数据集是否存在缺失值，prcomp()默认遇到缺失值会报错，可先使用na.omit()删去含缺失值的行，或用插补方法补全缺失值
• 如果需要保留每个分组的PCA模型参数（比如方差解释率、载荷矩阵），可额外创建一个列表存储每次循环生成的pca_model对象

内容的提问来源于stack exchange，提问作者Alp