如何将一系列椭圆傅里叶系数加载到 R 中以在 Momocs 包中进行轮廓分析？

Question

我是 R 新手。

我有一个带有预先计算的椭圆傅立叶系数（谐波）序列的文本文件。第一列保留对象名称，其他 - 谐波集除以空格：A0 B0 C0 D0 ... An Bn Cn Dn。它是文件的一部分：

Lceph-sp1-1    0    0,27    -1    0    -0,29    0,2    0,1    -0,05    0,15    0,1    0,07    0,02
Lceph-sp1-2    0    -0,36    1    0    -0,27    0,25    0,12    -0,09    -0,26    -0,03    -0,17    0
Lceph-sp1-3    0    0,25    -1    0    -0,29    0,19    0,09    -0,05    0,15    0,1    0,06    0,01
Lceph-sp1-4    0    -0,37    1    0    -0,27    0,26    0,09    -0,07    -0,19    -0,07    -0,12    -0,02

我使用 read.delim2 命令将文件加载到 R 中：

ef <- read.delim2( "filename", header=FALSE, sep="")

然后我想使用来自Momocs package的函数分析获得的数据，如calibrate_harmonicpower、plot、PCA等。

为此，需要将加载的数据转换为 Coe(?) 或其他对象。 （我不知道是哪一个。）

如何在 Momocs R 包中准备加载的数据进行分析？

Answer 1

如果您在 R/Momocs 之外计算椭圆傅立叶系数，则必须将它们作为OutCoe 对象导入，如下所示：

# we load Momocs and import your table.
library(Momocs)

#Here I use your data (using `text` but a path to your file will work by your side
data <- read.table(dec=",", text="
Lceph-sp1-1    0    0,27    -1    0    -0,29    0,2    0,1    -0,05    0,15    0,1    0,07    0,02
Lceph-sp1-2    0    -0,36    1    0    -0,27    0,25    0,12    -0,09    -0,26    -0,03    -0,17    0
Lceph-sp1-3    0    0,25    -1    0    -0,29    0,19    0,09    -0,05    0,15    0,1    0,06    0,01
Lceph-sp1-4    0    -0,37    1    0    -0,27    0,26    0,09    -0,07    -0,19    -0,07    -0,12    -0,02")

# we can extract the `$fac` cofactor/variates table with `lf_structure`
fac <- lf_structure(data[, 1], names=c("ind", "sp", "id"), split="-")

# then we simply pass all columns but the first, the `fac` 
# and two others arguments `Momocs` cannot deduce `method` and `norm`
# see ?Outcoe
x <- OutCoe(coe=data[, -1], fac=fac, method="efourier", norm=TRUE)

我们现在有一个“工作”Outcoe 对象：

> x
An OutCoe object [ elliptical Fourier analysis ]
--------------------
  - $coe: 4 outlines described, 3 harmonics
- $fac: 3 classifiers:
  'ind' (factor 1): Lceph.
'sp' (factor 1): sp1.
'id' (factor 4): 1, 2, 3, 4.

你可以用来继续你的分析，例如：

x %>% PCA %>% plot

这就是你要找的吗？