构建循环以使用R中数据帧的增加部分作为函数的输入

我使用PCA分析中的第一个主成分作为预测模型中的解释变量，该预测模型使用卡尔曼滤波进行递归预测。换句话说，在每个时间点，模型都会根据包含在模型中的新观测更新并生成新的预测。由于PCA使用模型中包含的所有观测数据进行计算，因此我还需要递归运行PCA，仅使用我预测的时间点之前的观测值（否则，PCA结果可能会揭示关于未来的信息，并帮助模型产生比其他方法更准确的答案）。我认为循环可能是解决方案，但我正在努力制定代码

作为一个更具体的例子，考虑一下我是否有以下数据。

data <- as.data.frame(rbind(c(6,15,23),c(9,11,22), c(7,13,23), c(6,12,25),c(7,13,23)))
names(data) <- c("V1","V2","V3")

> data
  V1 V2 V3
1  6 15 23
2  9 11 22
3  7 13 23
4  6 12 25
5  7 13 23

接下来，我想用第一个、第二个和第三个观察值作为输入运行PCA

pca3 <- prcomp(data[1:3,], scale = TRUE)

pca4 <- prcomp(data[1:4,], scale = TRUE)

注释：是的，前两个值看起来有点奇怪，但请不要太注意。我的观点是，我希望构建一个数据帧，其中包含每个PCA运行的第一个主分量的最后计算值

我认为for.loop可能是这里最好的解决方案，但我没有成功地找到任何线程来引导我更接近编码解决方案。我如何使循环在计算中使用越来越多的数据帧？有人有任何建议/提示/链接吗？非常感谢您提供的任何帮助！

可以使用for循环。这可能不是最有效的解决方案，但它会起作用

首先，创建一个空列表来存储结果：

all_results <- list()

现在要提取所有结果，请使用

lappy

（列表应用）仅从每个PC1向量中提取最后一个元素：

PC1 <- lapply(all_results, function(pca) pca[length(pca)] )

---

PC1我有一个非常相似的方法

PCA <- vector("list", length=nrow(data)-1)
for(i in 1:(nrow(data)-1)) {
  if(i==1) j <- 1:2 else j<-i+1
  PCA[[i]] <- as.data.frame(prcomp(data[1:(1+i),], scale = TRUE)$x)[j, 1]
}

unlist(PCA)

PCA简短而高效的编码解决了问题，请注意。我接受了这一点作为我问题的答案，因为它是如此整洁且易于并入我的脚本。谢谢！这个解决方案也解决了问题，但我选择了Edward提出的解决方案，因为我有几个PCA作为解释变量，他的代码稍微快一点修改到我现有的脚本中。但是我喜欢你一步一步地解释你的编码，真的很有价值，因为我不太熟悉编码循环。谢谢！
all_results <- list()

for(i in 2:nrow(data))
{
  all_results[[i - 1]] <- as.data.frame(prcomp(data[1:i,], scale = TRUE)$x)$PC1
}

PC1 <- lapply(all_results, function(pca) pca[length(pca)] )

PC1 <- do.call("c", PC1)

PC1 <- c(all_results[[1]][1], PC1)

PCA <- vector("list", length=nrow(data)-1)
for(i in 1:(nrow(data)-1)) {
  if(i==1) j <- 1:2 else j<-i+1
  PCA[[i]] <- as.data.frame(prcomp(data[1:(1+i),], scale = TRUE)$x)[j, 1]
}

unlist(PCA)