我正试图使用FactoMineR在数据表上运行MCA。它只包含0/1个数字列，大小为200.000*20。
require(FactoMineR)
result <- MCA(data[, colnames, with=F], ncp = 3)
我得到以下错误：
错误，其中（unlist（lapply（listModa，为数字））："which"的参数不是逻辑
我真的不知道该怎么处理这个错误。然后我尝试将每一列都变成字符，一切都成功了。我认为这可能对其他人有用，也许有人能向我解释这个错误；）
干杯
变量的类是字符还是因子？我有这个问题。我的解决方案是将所有变量改为因子。
#my data.frame was "aux.da"
i=0
while(i < ncol(aux.da)){
i=i+1 aux.da[,i] = as.factor(aux.da[,i])
}
如果没有进一步的输入，很难判断，但您可以做的是：
- 查找发生错误的函数（通过
traceback()） -
设置断点并调试：
trace(tab.disjonctif, browser)
我做了以下（离线）操作来查找tab.disjonctif:的名称
- 在GitHub上的CRAN镜像上找到包
- 搜索给出错误的特定表达式
我昨天刚开始学习R，但错误来自MCA用于categorical data，所以这就是为什么数据不能是数字的原因。更准确地说，在MCA之前，会创建一个"tableau disjonctif"（对不起，我不知道英语中的单词：完全析取矩阵）。所以FactomineR正在使用这个功能：
https://github.com/cran/FactoMineR/blob/master/R/tab.disjonctif.R
我认为它在寻找可以与数值匹配的分类值（比如Y=1，N=0）。
为他人；注意：因为R分类数据与factor类型有关，所以even if you have characters you could get this error。
构建@markets、@Khaled和@Pierre Gourseaud:
是的，将变量的格式更改为factor应该可以解决错误消息，但如果数值数据应该是连续的数值数据，则不应该将其格式更改为factor。相反，如果同时有连续变量和分类变量，请尝试在同一个FactoMineR包中运行混合数据的因子分析（FAMD）。
如果你走FAMD路线，你可以只更改分类变量列的格式，以考虑以下因素：
data[,c(3:5,10)] <- lapply(data[,c(3:5,10)] , factor)（假设列编号3、4、5和10需要更改）。
这不会只适用于数字变量。如果您只有数字，请使用PCA。否则，请在数据框中添加一个因子变量。对于您的情况，您似乎需要将变量更改为二元因素。
同样的问题和改为因子也没有解决我的答案，因为我把每个变量都作为补充。
我首先做的是将我所有的数字数据转换为因子：
Xfac = factor(X[,1], ordered = TRUE)
for (i in 2:29){
tfac = factor(X[,i], ordered = TRUE)
Xfac = data.frame(Xfac, tfac)
}
colnames(Xfac)=labels(X[1,])
不过，这是行不通的。但我的第二个问题是，我把每个因素都作为补充变量！所以这些：
MCA(Xfac, quanti.sup = c(1:29), graph=TRUE)
MCA(Xfac, quali.sup = c(1:29), graph=TRUE)
会产生同样的错误，但这个有效：
MCA(Xfac, graph=TRUE)
没有将数据转换为因素也产生了问题。
我发布了一个相关主题的相同答案：https://stackoverflow.com/a/40737335/7193352