R语言两组变量特征相关关系热图绘制画法
<div id="navCategory"><h5 class="catalogue">目录</h5><ul class="first_class_ul"><li>准备数据</li><li>简单热图</li><li>只对列进行聚类</li><li>将相关系数显示在图上</li><li>在图上加上显著性标记</li></ul></div><p class="maodian"></p><h2>准备数据</h2><p>两组变量的数据可以像下面这样处理，分别保存在两个csv文件中。</p>
<div class="jb51code"><pre class="brush:ruby;">> # 导入数据及数据预处理
> setwd("D:/weixin/")
> rows <- read.csv("rows.csv")
> cols <- read.csv("cols.csv")
> str(rows)
'data.frame': 100 obs. of6 variables:
$ r1: num476 482 640 452 308 ...
$ r2: num2059 1987 1952 1927 1854 ...
$ r3: num513 601 682 497 463 ...
$ r4: num2235 2114 2038 1945 1916 ...
$ r5: num433 376 525 395 238 ...
$ r6: num2028 1943 1802 1775 1748 ...
> str(cols)
'data.frame': 100 obs. of5 variables:
$ c1: num2387 2437 2484 2349 2198 ...
$ c2: num540 535 706 509 359 ...
$ c3: num472 610 465 473 471 ...
$ c4: num74.4 57.3 49.5 51.8 47.6 ...
$ c5: num995 915 1038 794 652 ...
</pre></div>
<p class="maodian"></p><h2>简单热图</h2>
<div class="jb51code"><pre class="brush:ruby;">> # 构建相关关系矩阵
> library(psych)
> data.corr <- corr.test(rows, cols, method="pearson", adjust="fdr")
> data.r <- data.corr$r# 相关系数
> data.p <- data.corr$p# p值
>
> # 画热图
> library(pheatmap)
> pheatmap(data.r, clustering_method="average")
</pre></div>
<p style="text-align:center"><img alt="在这里插入图片描述" src="https://img.jbzj.com/file_images/article/202202/2022021808590611.png" /></p>
<p class="maodian"></p><h2>只对列进行聚类</h2>
<div class="jb51code"><pre class="brush:ruby;">> pheatmap(data.r, clustering_method="average", cluster_rows=F)
</pre></div>
<p style="text-align:center"><img alt="在这里插入图片描述" src="https://img.jbzj.com/file_images/article/202202/2022021808590612.png" /></p>
<p class="maodian"></p><h2>将相关系数显示在图上</h2>
<div class="jb51code"><pre class="brush:ruby;">> data.r.fmt <- matrix(sprintf("%.2f", data.r), nrow=nrow(data.p))# 只保留小数点后两位
> pheatmap(data.r, clustering_method="average", cluster_rows=F, display_numbers=data.r.fmt)
</pre></div>
<p style="text-align:center"><img alt="在这里插入图片描述" src="https://img.jbzj.com/file_images/article/202202/2022021808590613.png" /></p>
<p class="maodian"></p><h2>在图上加上显著性标记</h2>
<div class="jb51code"><pre class="brush:ruby;">> getSig <- function(dc) {
+ sc <- ''
+ if (dc < 0.01) sc <- '***'
+ else if (dc < 0.05) sc <- '**'
+ else if (dc < 0.1) sc <- '*'
+ sc
+ }
> sig.mat <- matrix(sapply(data.p, getSig), nrow=nrow(data.p))
> str(sig.mat)
chr "*" "***" "" "***" "***" "***" "***" "" "***" "**" ...
> pheatmap(data.r, clustering_method="average", cluster_rows=F, display_numbers=sig.mat)
</pre></div>
<p style="text-align:center"><img alt="在这里插入图片描述" src="https://img.jbzj.com/file_images/article/202202/2022021808590614.png" /></p>
<p>如果想进一步改变图形效果，可以参考pheatmap函数的用法，修改相应的参数。比如：聚类方式改为complete，加上标题等。</p>
<div class="jb51code"><pre class="brush:ruby;">> pheatmap(data.r, clustering_method="complete", cluster_rows=F, display_numbers=sig.mat, main="Corr Heatmap")
</pre></div>
<p style="text-align:center"><img alt="在这里插入图片描述" src="https://img.jbzj.com/file_images/article/202202/2022021808590615.png" /></p>
<p>以上就是R语言两组变量特征相关关系热图绘制画法的详细内容，更多关于R语言绘制相关关系热图的资料请关注琼殿技术社区其它相关文章！</p>
<div class="art_xg">
<b>您可能感兴趣的文章:</b><ul><li>ComplexHeatmap绘制单个热图</li><li>R语言绘制corrplot相关热图分析美化示例及详细图解</li><li>R语言数据可视化绘图bar chart条形图实现示例</li><li>R语言数据可视化绘图Lollipop chart棒棒糖图</li><li>R语言绘图数据可视化Ridgeline plot山脊图画法</li><li>R语言ComplexHeatmap绘制复杂热图heatmap</li></ul>
</div>
</div>
<!--endmain-->
頁:
[1]