使用 R 对 df 中的连续列组进行因子分析

Question

我有一个包含 10,000 列（SNP 频率）的 df。我需要用非重复向量进行模拟（因子分析）。为此，我需要对以 10 个为一组的列子集进行因子分析。例如，cols 1:10、11:20； 21:30。由于手动指定这会花费很长时间，所以我需要一个简单的脚本来完成它。我写了这个，但它似乎不起作用。我不知道如何告诉 R 何时开始和停止每次迭代。

ind=seq(1,(ncol(df)-10),by=10)

for (i in ind) { start=i;end=i+9; rez = factanal(df,factors=1, start:end)  }

Answer 1

只是一个小指针：

 groups <- seq(from=1, to=10000, by=10)

这可能有助于将您的列分成 10 个一组。然后，对于组的每个元素，您可以添加类似 0:9 的内容。见

> 1 + 0:9
 [1]  1  2  3  4  5  6  7  8  9 10

这可用于对数据帧进行子集化。

例如，

for(i in groups){
  your_function( dat[, i + 0:9] )
}

将使用相应的数据执行您的功能。确保适当地存储函数的输出。将其包装到 lapply 调用中可能会有用，如

 lapply(groups, function(x) your_function(dat[, x + 0:9]))

将输出保存在列表中。

虽然这可能是您问题的答案，但让我补充一下我会做的事情，因为我认为从长远来看这可能对您有更多帮助运行：我会 melt将dataframe转化为long format，创建一个索引，表示以10为一组的新变量，然后将该变量作为分组变量，结合dplyr的group_by()操作进行分组分析。

使用 R 对 df 中的连续列组进行因子分析

Factor analysis using R over sequential groups of columns in df

r

factor-analysis