R语言绘图：相关性分析及绘图展示

1、相关性分析gaom在我们平时分析的时候,经常会遇到样品间的相关性检验分析,并以此判断对我们后续分析的影响.今天主要跟大家讨论一下简单的相关性分析以及结果展示.利用的测试数据还是之前我们在 geo数据库中随便找的一份表达谱数据.首先还是导入数据,进行简单分析,获取相关数值.rm( list= Is () #先把我们的R清空一下data<( file = "C:UsersgaomDesktopR 语言绘图 相关性分析 " , header = T,=1, sep="t" ) #读取数据cor (data, method = "pearson&

2、quot; )#方法可选 pearson、kendall、spearman# #T01T02T03T04T05T06T07# # T01# # T02# # T03# # T04# # T05# # T06# # T07# # T08# # T09# # T10# # T11# # T12# #T08T09T10T11T12# # T01# # T02# # T03# # T04# # T05# # T06# # T07# # T08# # T09# # T10# # T11# # T12获得每个样品之间的相关系数,下面让我们把这些结果可视化.先利用根本函数plot展示下我们样品的结果.plo

3、t (data, 1: 6, pch=19, col= rgb (0, 0, 100, 50, maxColorValue= 255) #我们截取前面 6 个 样品看看他们的相关性从上面的结果来看T01、T02、T03之间的相关性要稍微差些,而 T04、T05、T06之 问的相关性要好的多.下面我们根据cor函数的结果做成类似热图的形式.library ("lattice")cor_data<( cor (data, method = "pearson" ) #获取相关系数矩阵levelplot (cor_data) #直接利用levelplot

4、函数进行绘图上图中颜色非常淡,所以我们想考虑一下自己把这个图再进化一下.col<- colorRampPalette (c( "green" , "black" , "red" ), space = "rgb" ) #我们自己设置填充 颜色levelplot (cor_data, main = "cor plot test" , xlab = "" , ylab = "" , = col (100) #main 对应的是图的标题,以及xlab、yla

5、b分别对应x轴和y轴的标题,这里表示不添加,所 以都是"",引号里面是没东西的从图中我们可以看出T04、T05、T06以及T07、T08、T09这两组的相关性就更好. 当然,我们也可以直接用pheatmap这个画热图的函数将结果展示出来.library ("pheatmap")pheatmap(cor_data, cluster_rows = F, cluster_cols = F, display_numbers = T, number _format = "%.4f" , color = col (100), main = &qu

6、ot;correlation test" , number_color = "wh ite" , fontsize_number = 5)#这里把聚类树局部都去除了,同时显示小数点后 4位有效数 字,并自己颜色设置为白色,同时可以利用fontsize_number设置数字大小在这里我们把对应的相关系数值直接标记在了图中.也不只是说就 pheatmap才能 标记处数字.library ("pcaPP")# # Warning: package 'pcaPP' was built under R version= "pea

7、rson")plotcov (cor1, method1 = "correlation" )# # Warning in (x, y), type = type, .):所提供的颜色值既不是# #数字也不是字符除了这些函数之外.我们的大 ggplot表示画起来也无压力,只是我们需要稍微倒 腾下数据.library ("reshape2")# # Warning: package 'reshape2' was built under R version"ggplot2")# # Warning: package

8、 'ggplot2' was built under R version p<-ggplot (cor_data2, aes(x=cor_data2$Var1, y=cor_data2$Var2, fill= cor_data2$valu e)+ geom_tile ()+ scale_fill_gradient (low = "green" , high = "red") p上述的展现方式其实主要还是通过不同颜色的方式进行直观展示.但实际在我们再 展示结果的时候,不仅仅局限于只是颜色改变.library ("corrgram"