分组数据在tidyverse框架中的PCA应用

我知道

tidyverse

可以用于性能PCA，这里有两个示例：

例1：

# Libraries
library(tidyverse)
library(broom)

iris\u pca\u v1%
嵌套（）%>%
变异(
pca=map（数据，~prcomp（.x%>%select（-Species），中心=T，比例=T）），
pca_aug=map2（pca，数据，~augment（.x，数据=.y））
)

例2：

iris_pca_v1 <- iris %>% 
  nest() %>% 
  mutate(
    pca = map(data, ~prcomp(.x %>% select(-Species), center = T, scale = T)),
    pca_aug = map2(pca, data, ~augment(.x, data = .y))
  )

iris\u pca\u v2%
选择（-Species）%>%
prcomp（中心=T，刻度=T）

但我想知道是否有一种方法可以使用相同的

tidyverse

框架在分组数据中应用主成分分析。假设我需要为每种不同的电脑配备不同的电脑

---

注意：在我的真实案例中，我在10年内处理50个州的20个变量，我想应用PCA为每个州建立一个指数，将这20个变量压缩成10年的指数。

也许这就是你要找的。为了达到您想要的结果，您可以按

物种进行嵌套或分组

库（tidyverse）
图书馆（扫帚）
iris_pca_v1%
嵌套（）%>%
变异(
pca=map（数据，~prcomp（.x%>%select（-Species），中心=T，比例=T）），
pca_aug=map2（pca，数据，~augment（.x，数据=.y））
) %>% 
最新（pca_八月）%>%
选择（-data，-pca）
#>警告：`…`对于未分组的数据帧不能为空。
#>您想要'data=everything（）'吗？
iris_pca_v2%
巢穴（数据=-物种）%>%
变异(
pca=地图（数据，~prcomp（.x，中心=T，比例=T）），
pca_aug=map2（pca，数据，~augment（.x，数据=.y））
) %>% 
最新（pca_八月）%>%
选择（-data，-pca）
ggplot（）+
几何点（数据=iris\U pca\U v1，aes（.fittedPC1，.fittedPC2，color=“iris\U pca\U v1”））+
几何点（数据=虹膜pca v2，aes（.fittedPC1，.fittedPC2，color=“虹膜pca”））+
缩放颜色手册（值=c（虹膜pca v1=“黑色”，虹膜pca分组=“红色”））+
面_包装（~种）

也许这就是你想要的。为了达到您想要的结果，您可以按
物种进行嵌套或分组

库（tidyverse）
图书馆（扫帚）
iris_pca_v1%
嵌套（）%>%
变异(
pca=map（数据，~prcomp（.x%>%select（-Species），中心=T，比例=T）），
pca_aug=map2（pca，数据，~augment（.x，数据=.y））
) %>% 
最新（pca_八月）%>%
选择（-data，-pca）
#>警告：`…`对于未分组的数据帧不能为空。
#>您想要'data=everything（）'吗？
iris_pca_v2%
巢穴（数据=-物种）%>%
变异(
pca=地图（数据，~prcomp（.x，中心=T，比例=T）），
pca_aug=map2（pca，数据，~augment（.x，数据=.y））
) %>% 
最新（pca_八月）%>%
选择（-data，-pca）
ggplot（）+
几何点（数据=iris\U pca\U v1，aes（.fittedPC1，.fittedPC2，color=“iris\U pca\U v1”））+
几何点（数据=虹膜pca v2，aes（.fittedPC1，.fittedPC2，color=“虹膜pca”））+
缩放颜色手册（值=c（虹膜pca v1=“黑色”，虹膜pca分组=“红色”））+
面_包装（~种）


iris_pca_v2 <- iris %>% 
  select(-Species) %>%
  prcomp(center = T, scale = T)