1

espero que alguien pueda ayudarme con este problema, me parece que es algo bastante básico pero en verdad no tengo mucha experiencia con esto y no logré solucionarlo por mi cuenta. A partir de una tabla original generé muestras con este código.

library("FactoMineR")
library("factoextra")
library(missMDA)
library(FactoInvestigate)
library(ggpubr)
library(cluster)
library(openxlsx)
library(dplyr)

datos1_2 = read.delim("TrueDim1_2ALL.txt")
datos = datos1_2[,3:21]

for (i in 1:1000){
  assign(paste0("df", i), sample_n(datos,80))
}

pero necesito aplicar a cada uno de los nuevos set de datos la función imputeMCA y posteriormente MCA, cada una con sus parámetros correspondientes:

c1 = imputeMCA(df1, ncp = 5)
mca1 = MCA(df1, tab.disj = c1$tab.disj, ncp = 5, na.method = "Average", graph = F)

El problema es que no se hacer el código para que ambas funciones se apliquen de manera automática en un loop en los set de datos generados. Al intentar usar lapply no pude agregar los parámetros de cada función y con for no entiendo como hacer que la función reconozca cada data frame y comience a iterar.

Aquí hay un extracto de la tabla datos

      defor1   defor2   defor3   defor4   hcronicas   cicatriz   tgranulacion   compperinasal
1   defor1_1 defor2_1 defor3_0 defor4_0 hcronicas_1 cicatriz_1 tgranulacion_1 compperinasal_1
2   defor1_1 defor2_1 defor3_1 defor4_1 hcronicas_0 cicatriz_1 tgranulacion_0 compperinasal_0
3   defor1_0 defor2_0 defor3_0 defor4_0 hcronicas_0 cicatriz_0 tgranulacion_0 compperinasal_1
4   defor1_0 defor2_0 defor3_0 defor4_0 hcronicas_0 cicatriz_0 tgranulacion_0 compperinasal_1
5   defor1_1 defor2_1 defor3_1 defor4_1 hcronicas_1 cicatriz_1 tgranulacion_0 compperinasal_0
6   defor1_0 defor2_0 defor3_0 defor4_0 hcronicas_0 cicatriz_0 tgranulacion_0 compperinasal_1
7   defor1_0 defor2_0 defor3_0 defor4_0 hcronicas_0 cicatriz_0 tgranulacion_0 compperinasal_0
8   defor1_0 defor2_0 defor3_0 defor4_0 hcronicas_0 cicatriz_0 tgranulacion_1 compperinasal_0
9   defor1_0 defor2_0 defor3_0 defor4_0 hcronicas_0 cicatriz_0 tgranulacion_0 compperinasal_1
10  defor1_1 defor2_1 defor3_1 defor4_1 hcronicas_0 cicatriz_1 tgranulacion_1 compperinasal_0

2 respuestas 2

1

Tal como lo tienes planteado, podrías hacer algo como esto:

for (i in 1:1000){
    df_name <- paste0("df", i)
    c1 = imputeMCA(get(df_name), ncp = 5)
    mca1 = MCA(get(df_name), tab.disj = c1$tab.disj, ncp = 5, na.method = "Average", graph = F)
}

Usamos get(<nombre de variable>) para acceder a los valores a los que apunta el nombre de variable.

De cualquier forma, te sugiero que trabajes con una única lista, para guardar cada lote de ejemplos en vez de data.frames separados ya que simplemente deberás manejar el índice de 1:1000 para acceder a cada elemento, te será mucho más sencillo todo:

df <- list()
for (i in 1:1000){
    df[[i]] <- sample_n(datos,80)
}
c1 <- list()
mca1 <- list()
for (i in 1:1000){
    c1[[i]] <- imputeMCA(df[[i]], ncp = 5)
    mca1[[i]] <- MCA(df[[i]],  tab.disj = c1[[i]]$tab.disj, ncp = 5, na.method = "Average", graph = F)
}
2
  • Muchas gracias por tu respuesta, no pense en el uso de get. Sin embargo no resulta del todo, ya que es necesario que al momento de aplicar imputeMCA y MCA se haya creado por cada data frame "original" uno nuevo. Por ejemplo cuando el loop tome a df1 debe crear 2 nuevos data frames: c1 y mca1, mientras que cuando tome a df2 debe crear a c2 y mca2, asi sucesivamente. Esto porque al no cambiar el nombre finalmente se genera solo un data frame mca1 (que es finalmente donde esta la información relevante) y necesito ver para cada df un mca separado. No se si me logré explicar bien.
    – Nico M
    el 20 abr. 2019 a las 0:01
  • @NicoM, con más razón te recomiendo usar listas. Las salidas c1 y mca1 puedes ir agregándolas cada una a una lista para luego acceder por indice a cada elemento. No pude reproducir tu ejemplo, pero verifica mi última edición el 20 abr. 2019 a las 15:09
1

Coincido con @Patricio Moracho que la mejor alternativa es ubicar tu output en una lista. Tener muchos elementos con nombres parecidos y estructura similar en el entorno global no es buena idea, en mi experiencia es la receta para errores silenciosos. Por ejemplo, si estás corriendo por segunda (o tercera o etc) vez tu script y falla un paso intermedio que debería actualizar todos tus df* en lugar de darte un error fatal que corta la ejecución del script, vas a tener resultados sobre una versión anterior de los datos. Mejor tener todo en listas (y si esas listas son anónimas aún mejor)

Si vas a trabajar con listas podrías utilizar directamente los iteradores de listas de R. En la librería purrr:: hay varios para casos específicos que van más allá de los de R base como lapply() y que para este problema son muy útiles. En este caso se usan tres de esos iteradores especiales:

  • rerun() para ejecutar el mismo código .n veces. En este caso sirve para hacer las muestras con sample_n. Lo uso con frecuencia para estimación de errores por aleatorización.

  • map2() para iterar en dos listas (.x y .y) a la vez. En este caso sirve para iterar simultáneamente sobre los data.frame y las tablas disyuntivas con los datos imputados.

  • walk2() para iterar una lista generando solo efecto colateral, sin output propiamente dicho. En este caso para generar todos los biplots. Uso walk2 para iterar simultáneamente por los modelos y por una lista de nombres que uso como títulos de los gráficos.

Va un ejemplo reproducible con los datos vnf, que vienen en missMDA.

library(FactoMineR)
library(missMDA)
library(factoextra)
library(tidyverse) #Incluye purrr y dplyr

data(vnf)

rerun(.n = 2, sample_n(vnf, 200)) -> lista_muestras

map(lista_muestras, ~imputeMCA(.x, ncp = 5)) -> lista_imputados

map2(.x = lista_muestras, 
     .y = lista_imputados, 
     ~MCA(X = .x, 
          tab.disj = .y$tab.disj, 
          ncp = 5, 
          na.method = "Average", 
          graph = FALSE)) -> lista_modelos

map(lista_modelos, summary) #Para ver todos los sumarios

nombres <- paste("Muestra", seq(length(lista_modelos)))  #Estos nombres podrías venir de los datos

walk2(lista_modelos, nombres, ~print(fviz_mca_biplot(.x, title = .y)))  #Para generar todos los biplots con títulos

# Hacer un data.frame con los todos los eigenvalores

map(lista_modelos, "eig") %>%         #Extraer los eigenvalores de cada modelo
  map(as_tibble) %>%                  #Originalmente son matrices
  bind_rows(.id = "Muestra")   #Para un group_by después

Esto se podría hacer también todo en un paso, pero creo que es mejor tener las estructuras de datos intermedias lista_muestra y lista_imputados. De esta manera si hay algún problema o resultado inconsistente se pueden revisar los datos intermedios y diagnosticarlo más fácilmente. Esto es útil considerando que los errores que emite FactoMiner son muy poco informativos.

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.