R语言绘图：相关性分析报告及绘图展示

1、实用标准文案相关性分析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= ls()#先把我们的R清空一下data<- read.table (file = "C:UsersgaomDesktopR语言绘图 相关性分析 test_data.txt" ,header = T,s = 1,sep= "t" )#读取

2、数据cor (data, method = "pearson" )#方法可选 pearson、kendall、spearman .# #T01T02T03T04T05T06T07# # T01 1.0000000 0.9626878 0.9820587 0.9775637 0.9672888 0.9664156 0.9752635# # T02 0.9626878 1.0000000 0.9871793 0.9739935 0.9779155 0.9794141 0.9786400# # T03 0.9820587 0.9871793 1.0000000 0.9823576

3、 0.9819684 0.9808063 0.9833352# # T04 0.9775637 0.9739935 0.9823576 1.0000000 0.9915693 0.9890907 0.9815730# # T05 0.9672888 0.9779155 0.9819684 0.9915693 1.0000000 0.9943036 0.9805366# # T06 0.9664156 0.9794141 0.9808063 0.9890907 0.9943036 1.0000000 0.9798487# # T07 0.9752635 0.9786400 0.9833352 0

4、.9815730 0.9805366 0.9798487 1.0000000# # T08 0.9714801 0.9791369 0.9816482 0.9814655 0.9804464 0.9796599 0.9938647# # T09 0.9746475 0.9802358 0.9845114 0.9814857 0.9800746 0.9794935 0.9947428精彩文档实用标准文案# # T10 0.9636498 0.9717902 0.9757652 0.9759936 0.9771073 0.9755922 0.9850377# # T11 0.9739732 0.9

5、677072 0.9775576 0.9796979 0.9778722 0.9760231 0.9876567# # T12 0.9613186 0.9685109 0.9732389 0.9739145 0.9757272 0.9737234 0.9855969# #T08T09T10T11T12# # T01 0.9714801 0.9746475 0.9636498 0.9739732 0.9613186# # T02 0.9791369 0.9802358 0.9717902 0.9677072 0.9685109# # T03 0.9816482 0.9845114 0.97576

6、52 0.9775576 0.9732389# # T04 0.9814655 0.9814857 0.9759936 0.9796979 0.9739145# # T05 0.9804464 0.9800746 0.9771073 0.9778722 0.9757272# # T06 0.9796599 0.9794935 0.9755922 0.9760231 0.9737234# # T07 0.9938647 0.9947428 0.9850377 0.9876567 0.9855969# # T08 1.0000000 0.9942297 0.9858170 0.9849012 0.

7、9837345# # T09 0.9942297 1.0000000 0.9849167 0.9850892 0.9839299# # T10 0.9858170 0.9849167 1.0000000 0.9867687 0.9878700# # T11 0.9849012 0.9850892 0.9867687 1.0000000 0.9919710# # T12 0.9837345 0.9839299 0.9878700 0.9919710 1.0000000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.plot (data, 1:6

8、,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精彩文档实用标准文案T03NNTo?3 12期 12S 1Z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之间的相关性要好的多.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<- as.matrix (cor (data, method = "pearson" )#获取相关系数矩阵levelplot (cor_da

9、ta) #直接利用levelplot函数进行绘图精彩文档实用标准文案UEnoorow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.regio

10、ns = col (100 )# main对应的是图的标题,以及xlab、ylab分别又t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精彩文档实用标准文案cor plot testTO 1T02T03TQ4T05T06T07T08T09T10T11T1211 0000.9950.9900.9B5ONO0.9750.970-0.965-0.960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&

11、quot;)pheatmap (cor_data, cluster_rows = F,cluster_cols = F,display_numbers = T,numbe r_format = "%.4f" ,color = col (100 ),main = "correlation test" ,number_color = "white" 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设置数字大小精彩文档实用标准文案

12、correlation test二0s7 二久二一C WT3,0 3B6*C口钓逐C "崎I » IT01 I0.9&5 TOE 0 99二 me噂A5«C01 cocc.级tCK30c«uo.fnvonui r«iovm5f7K0 ml41744EMM1 WKCUMq miQJM1IMM；97fC(tjnr miU J U jT04 In c.8o.vmOWE1 «cc-0 H43C WM0 W4< W1OST?1C-»T7».尹0叱r*-.乂*11 ec«ewworirt miun6占疗

13、产T0G |o97白酊菇c.ar&sutasCiJtlftCSaCto.m01 ccc;:u二至一白蚁蜡T07 1 0 %50牙7诺Q.srar；?; 5CX15CJ5W4-ojrar匚酊能1 msQ口定国;小学to"0 3602C 5S4S5C .SKI0 379=C 994丁i ccccDJ9M9C«S1T09ognaeQ k假设乌国国.国工1J0COO口善再T1Q, 1q？TTS0 57®CWT口喇心.第S10939T11*2c籥工CS-ST0 1717C MMO«JTC沼酬0 947SC WW1 KOC712O-k.183I Oo5o6-

14、1-1oo7mCOrnj2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 3.3.2cor1<- cor (data, method = "pearson")plotcov (cor1, method1 = "correlation" )# # Warning in plot.xy(xy.c00rds(x, y), type

15、= type, .):所提供的颜色值既不是# #数字也不是字符精彩文档实用标准文案L t| o o oUJT014T0®.962>X/ / / / / / TOffiggBfiST5XX / / / / / TOO g了颜9秘98Z / T0& 96B和硕氏99冰y/ / TO鼠96眦汨优0即89B9舟、,d,夕,/ T0D97.&7昵8B田8倜8OSD7沐、/ / / / / TOffi.97O570«8d®8ft®8M7939X,/, 70©,9746080289$80$80£79$9*$942 / / /

16、0 968007(1 用79s97B97B加9aB98附8含、Z /T110&XM96防7砥75 7夜 9TO9的甫 8昭T12 9602060370279»7670«890089«8050818992correlation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 3.3.2library ("ggplot2&

17、quot;)# # Warning: package 'ggplot2' was built under R version 3.3.2cor_data2<- melt (cor (data)p<- ggplot (cor_data2, aes (x= cor_data2$Var1, y= cor_data2$Var2, fill= cor_data2$val ue)+ geom_tile ()+ scale_fill_gradient (low = "green" ,high = "red")p精彩文档实用标准文案T12-T11 -T10-T09-Toe-TOB-T04-T03-T02-T01-T01T02T03 T04 T05TCS T07TC9T09T10T11T12cor daU25valuecor d3ia2$Var1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