R 中的 RDA 分析给出错误 "attempt to set an attribute on NULL"
RDA analysis in R gives error "attempt to set an attribute on NULL"
我 运行 使用 Vegan
包在 R 中进行分析。我只希望摘要提取一些值的方式非常简单。但它一直告诉我错误信息。为什么?
我有这个数据集
feed.raw1 =structure(c(0L, 0L, 2L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L,
5L, 0L, 2L, 0L, 0L, 0L, 0L, 0L, 0L, 2L, 0L, 7L, 11L, 3L, 1L,
0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 2L, 0L, 0L, 0L, 0L, 0L, 0L,
0L, 0L, 0L, 0L, 3L, 0L, 5L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L,
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 2L, 0L, 0L, 8L, 7L, 5L, 1L,
0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 10L, 5L, 0L, 0L, 1L, 0L, 0L,
0L, 0L, 0L, 0L, 0L, 1L, 5L, 0L, 0L, 8L, 9L, 0L, 0L, 5L, 0L, 0L,
0L, 1L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 15L, 0L,
51L, 10L, 0L, 0L, 0L, 0L, 2L, 0L, 0L, 0L, 0L, 2L, 0L, 0L, 0L,
0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 3L, 0L, 1L, 0L, 0L, 0L, 0L, 0L,
0L, 0L, 0L, 45L, 203L, 17L, 54L, 4L, 1L, 0L, 0L, 0L, 0L, 10L,
9L, 0L, 0L, 0L, 2L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 12L, 0L,
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 2L, 0L, 22L, 206L, 9L, 16L, 1L,
1L, 6L, 6L, 0L, 0L, 4L, 5L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L,
0L, 7L, 0L, 0L, 3L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L,
2L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 12L, 3L, 1L, 0L,
0L, 0L, 0L, 0L, 0L, 0L, 23L, 4L, 1L, 2L, 0L, 2L, 0L, 0L, 0L,
0L, 0L, 0L, 0L, 0L, 76L, 0L, 96L, 0L, 1L, 0L, 0L, 0L, 0L, 0L,
11L, 0L, 3L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 270L,
144L, 7L, 8L, 15L, 6L, 6L, 2L, 6L, 1L, 25L, 5L, 0L, 1L, 1L, 0L,
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 14L, 2L, 1L, 0L, 0L, 0L, 0L,
0L, 3L, 0L, 0L, 0L, 3L, 2L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L,
0L, 2L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 2L, 1L, 0L,
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 2L, 7L, 0L, 0L, 0L, 0L, 0L,
0L, 14L, 1L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 0L,
0L, 0L), .Dim = c(12L, 32L), .Dimnames = list(c("a", "b", "c",
"d", "e", "f", "g", "h", "i", "j", "k", "l"), c("a", "b", "c",
"d", "e", "f", "g", "h", "i", "j", "k", "l", "m", "n", "o", "p",
"q", "r", "s", "t", "u", "v", "w", "x", "y", "z", "a1", "b1",
"c1", "d1", "e1", "f1")))
我运行这个分析:
library(vegan)
feed_raw.hel = decostand(feed.raw1, method = "pa")
pca.feed=vegan::rda(feed_raw.hel, scale=FALSE)
head(summary(pca.feed))
它给我这个错误:
Canonical correspondence analysis
Class: rda cca
Call: rda(X = feed_raw.hel, scale = FALSE)
Total inertia: 0
Eigenvalues:
Error in names(vec) <- paste("Ax", 1:length(vec), sep = "") :
attempt to set an attribute on NULL
未发现错误(请参阅 OP 中的评论):
> library(vegan)
> feed_raw.hel = decostand(feed.raw1, method = "pa")
>
> pca.feed=vegan::rda(feed_raw.hel, scale=FALSE)
> head(summary(pca.feed))
Call:
rda(X = feed_raw.hel, scale = FALSE)
Partitioning of variance:
Inertia Proportion
Total 5.394 1
Unconstrained 5.394 1
Eigenvalues, and their contribution to the variance
Importance of components:
PC1 PC2 PC3 PC4 PC5 PC6 PC7
Eigenvalue 2.0696 0.7676 0.6639 0.5502 0.41578 0.31941 0.22209
Proportion Explained 0.3837 0.1423 0.1231 0.1020 0.07708 0.05922 0.04117
Cumulative Proportion 0.3837 0.5260 0.6491 0.7511 0.82817 0.88739 0.92856
PC8 PC9 PC10 PC11
Eigenvalue 0.15383 0.11310 0.07857 0.03984
Proportion Explained 0.02852 0.02097 0.01457 0.00739
Cumulative Proportion 0.95708 0.97805 0.99261 1.00000
Scaling 2 for species and site scores
* Species are scaled proportional to eigenvalues
* Sites are unscaled: weighted dispersion equal on all dimensions
* General scaling constant of scores: 2.775394
Species scores
PC1 PC2 PC3 PC4 PC5 PC6
a -0.03289 -0.13245 0.18066 0.12616 -0.2028751 0.07257
b -0.19170 -0.26686 -0.20142 -0.16621 0.0739356 -0.16726
c -0.43542 -0.24013 -0.02194 0.16668 -0.0037653 0.18018
d -0.43702 0.08614 -0.05548 -0.06814 -0.0009418 -0.03947
e -0.24815 -0.06070 0.29795 0.18439 -0.0879021 -0.02246
f 0.08852 0.11597 -0.07947 0.02250 -0.0926734 -0.13060
....
Site scores (weighted sums of species scores)
PC1 PC2 PC3 PC4 PC5 PC6
a -1.65813 0.55267 0.90341 0.4485 0.8856 -0.7321
b -1.70818 0.11084 -1.33080 -0.9734 -0.8929 0.4280
c -0.25333 -1.02024 1.39160 0.9718 -1.5627 0.5590
d -0.09478 -1.47685 -1.03494 1.1078 1.2228 -0.2536
e 0.26417 0.60502 0.71856 -0.6194 1.1614 1.2200
f 0.36048 -0.01608 -0.09826 -0.2709 0.3182 1.3866
....
我也有这个问题,最后发现,至少在我的情况下,另一个包 (ade4) 也有一个 cca
函数,它屏蔽了 vegan 中的 cca
函数。这在帮助文件中有些含糊地提到。我通过重新启动我的 R 会话(在 RStudio 中)并按以下顺序调用库来解决我的代码中的这个问题:
library(ade4)
library(vegan)
然后 vegan::cca 函数接管 ade4::cca 函数。
我 运行 使用 Vegan
包在 R 中进行分析。我只希望摘要提取一些值的方式非常简单。但它一直告诉我错误信息。为什么?
我有这个数据集
feed.raw1 =structure(c(0L, 0L, 2L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L,
5L, 0L, 2L, 0L, 0L, 0L, 0L, 0L, 0L, 2L, 0L, 7L, 11L, 3L, 1L,
0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 2L, 0L, 0L, 0L, 0L, 0L, 0L,
0L, 0L, 0L, 0L, 3L, 0L, 5L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L,
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 2L, 0L, 0L, 8L, 7L, 5L, 1L,
0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 10L, 5L, 0L, 0L, 1L, 0L, 0L,
0L, 0L, 0L, 0L, 0L, 1L, 5L, 0L, 0L, 8L, 9L, 0L, 0L, 5L, 0L, 0L,
0L, 1L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 15L, 0L,
51L, 10L, 0L, 0L, 0L, 0L, 2L, 0L, 0L, 0L, 0L, 2L, 0L, 0L, 0L,
0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 3L, 0L, 1L, 0L, 0L, 0L, 0L, 0L,
0L, 0L, 0L, 45L, 203L, 17L, 54L, 4L, 1L, 0L, 0L, 0L, 0L, 10L,
9L, 0L, 0L, 0L, 2L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 12L, 0L,
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 2L, 0L, 22L, 206L, 9L, 16L, 1L,
1L, 6L, 6L, 0L, 0L, 4L, 5L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L,
0L, 7L, 0L, 0L, 3L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L,
2L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 12L, 3L, 1L, 0L,
0L, 0L, 0L, 0L, 0L, 0L, 23L, 4L, 1L, 2L, 0L, 2L, 0L, 0L, 0L,
0L, 0L, 0L, 0L, 0L, 76L, 0L, 96L, 0L, 1L, 0L, 0L, 0L, 0L, 0L,
11L, 0L, 3L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 270L,
144L, 7L, 8L, 15L, 6L, 6L, 2L, 6L, 1L, 25L, 5L, 0L, 1L, 1L, 0L,
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 14L, 2L, 1L, 0L, 0L, 0L, 0L,
0L, 3L, 0L, 0L, 0L, 3L, 2L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L,
0L, 2L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 2L, 1L, 0L,
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 2L, 7L, 0L, 0L, 0L, 0L, 0L,
0L, 14L, 1L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 0L,
0L, 0L), .Dim = c(12L, 32L), .Dimnames = list(c("a", "b", "c",
"d", "e", "f", "g", "h", "i", "j", "k", "l"), c("a", "b", "c",
"d", "e", "f", "g", "h", "i", "j", "k", "l", "m", "n", "o", "p",
"q", "r", "s", "t", "u", "v", "w", "x", "y", "z", "a1", "b1",
"c1", "d1", "e1", "f1")))
我运行这个分析:
library(vegan)
feed_raw.hel = decostand(feed.raw1, method = "pa")
pca.feed=vegan::rda(feed_raw.hel, scale=FALSE)
head(summary(pca.feed))
它给我这个错误:
Canonical correspondence analysis
Class: rda cca
Call: rda(X = feed_raw.hel, scale = FALSE)
Total inertia: 0
Eigenvalues:
Error in names(vec) <- paste("Ax", 1:length(vec), sep = "") :
attempt to set an attribute on NULL
未发现错误(请参阅 OP 中的评论):
> library(vegan)
> feed_raw.hel = decostand(feed.raw1, method = "pa")
>
> pca.feed=vegan::rda(feed_raw.hel, scale=FALSE)
> head(summary(pca.feed))
Call:
rda(X = feed_raw.hel, scale = FALSE)
Partitioning of variance:
Inertia Proportion
Total 5.394 1
Unconstrained 5.394 1
Eigenvalues, and their contribution to the variance
Importance of components:
PC1 PC2 PC3 PC4 PC5 PC6 PC7
Eigenvalue 2.0696 0.7676 0.6639 0.5502 0.41578 0.31941 0.22209
Proportion Explained 0.3837 0.1423 0.1231 0.1020 0.07708 0.05922 0.04117
Cumulative Proportion 0.3837 0.5260 0.6491 0.7511 0.82817 0.88739 0.92856
PC8 PC9 PC10 PC11
Eigenvalue 0.15383 0.11310 0.07857 0.03984
Proportion Explained 0.02852 0.02097 0.01457 0.00739
Cumulative Proportion 0.95708 0.97805 0.99261 1.00000
Scaling 2 for species and site scores
* Species are scaled proportional to eigenvalues
* Sites are unscaled: weighted dispersion equal on all dimensions
* General scaling constant of scores: 2.775394
Species scores
PC1 PC2 PC3 PC4 PC5 PC6
a -0.03289 -0.13245 0.18066 0.12616 -0.2028751 0.07257
b -0.19170 -0.26686 -0.20142 -0.16621 0.0739356 -0.16726
c -0.43542 -0.24013 -0.02194 0.16668 -0.0037653 0.18018
d -0.43702 0.08614 -0.05548 -0.06814 -0.0009418 -0.03947
e -0.24815 -0.06070 0.29795 0.18439 -0.0879021 -0.02246
f 0.08852 0.11597 -0.07947 0.02250 -0.0926734 -0.13060
....
Site scores (weighted sums of species scores)
PC1 PC2 PC3 PC4 PC5 PC6
a -1.65813 0.55267 0.90341 0.4485 0.8856 -0.7321
b -1.70818 0.11084 -1.33080 -0.9734 -0.8929 0.4280
c -0.25333 -1.02024 1.39160 0.9718 -1.5627 0.5590
d -0.09478 -1.47685 -1.03494 1.1078 1.2228 -0.2536
e 0.26417 0.60502 0.71856 -0.6194 1.1614 1.2200
f 0.36048 -0.01608 -0.09826 -0.2709 0.3182 1.3866
....
我也有这个问题,最后发现,至少在我的情况下,另一个包 (ade4) 也有一个 cca
函数,它屏蔽了 vegan 中的 cca
函数。这在帮助文件中有些含糊地提到。我通过重新启动我的 R 会话(在 RStudio 中)并按以下顺序调用库来解决我的代码中的这个问题:
library(ade4)
library(vegan)
然后 vegan::cca 函数接管 ade4::cca 函数。