诺和培训语言与数据可视化

1、R语言与数据可视化chaijin诺禾致源转录调控事业部主要内容R语言绘图的讲解绘图实例介绍R语言简介开源：免费；各种扩展包；Bioconductor；易学：零编程基础也快速上手统计：R Development Core Team由统计学家组成作图：ggplot2其他：、语言、环境，跨R 语言终端RGui通过R 语言的终端可以进行交互操作，对学习R 语言帮助巨大。RGui新一代R工作环境RStudioRstudio 提供一个高度集成的工作环境。R程序包安装1、连网时，用函数install.packages()选择镜像后，程序将自动并安装程序包。例如：打开，在控制台输入install.packag

2、es(ggplot2) 2、安装本地zip包路径：Packagesinstall.packages from local fileszip包的文件夹。选择光盘或者本地磁盘上https:/3、加载程序包，用函数library()例如： library(ggplot2)R程序包安装install.packages(ggplot2)install.packages(reshinstall.packages(gplots)2)install.packages(VennDiagram)install.packages(pheatmap)install.packages(plotrix)install.p

3、ackages(scattlot3d)未安装或者安装未成功TRD包安装TRD包成功安装TRD包数据可视化可视化是利用计算机图形和图像处理技术，将数据转换成图形或者图像在屏幕上显示出来，并进行交互处理的理论，方法和技术。可视化展现形式：气泡图、 流程图、树、平行坐标轴、矩阵图、时间轴、散点图、折线图、网络图、地图、图、热力图等转录组的数据可视化R绘图功能绘图参数文本和符号的大小、点的类型和颜色、线的类型、颜色、字体等绘图函数高级绘图函数和低级绘图函数绘图参数：设置文本和符号的大小绘图参数：设置点的类型pch=0到14时，点是空心的，col可以设置边框颜色。 pch=15到20是实心的，col可以

4、设置其填充颜色。pch=21到25实心点，col可以设置其边框，bg可以设置其填充颜色绘图参数：设置线的类型绘图参数：设置颜色绘图参数：设置颜色绘图参数：设置字体其他绘图参数help(par)绘图函数的分类高级（high-level）绘图函数在图形设备上产生一个新的绘图区域，并生成一个新的图形通过其参数可以设置坐标轴，标题等等低级（low-level）绘图函数在已存在的图形上加上的图形元素，是绘制图形的基础函数如额外的点、线、多边形和R的高级绘图函数：plot()plot()是最常用R绘图函数，是一个泛型函数，它产生的图形依赖于第一个参数的类型或者类plot(mtcars$wt,mtcars$

5、mpg)R的高级绘图函数：plot()set.seed(1); x - sset.seed(2); y - sxy - cbind(x, y)le(c(1:50),10)le(c(1:50),10)f x - mtcarsorder(mtcars$mpg), # sort by mpg x$cyl - factor(x$cyl) # it must be a factor x$colorx$cyl=4 - redx$colorx$cyl=6 - blue x$colorx$cyl=8 x - c(1:5); y - x; par(pch=22, col=red); par(mfrow=c(2,

6、4)opts - c(p,l,o,b,c,s,S,h) for(i in 1:length(opts)plot(x, y, type=n, main=paste(type=,optsi) lines(x, y, type=optsi)R的高级绘图函数:直方图hist()、核密度图density()直方图（Histogram）：# 基本实现，使用hist观察变量的分布hist(mtcars$mpg)# 设置桶的数量和填充颜色hist(mtcars$mpg, breaks=5, col=red)hist(mtcars$mpg, breaks=c(10,25,30,40), col=red) #精确

7、设置断点核密度图（Kernel Density Plots）：# 基本实现，使用density观察变量分布d counts - table(mtcars$gear)barplot(counts, main=Car Distribution, xlab=Number of Gears) barplot(counts, main=Car Distribution, horiz=T, names.arg=c(3 Gears, 4 Gears, 5 Gears) # 水平放置，设置# 堆积条形图，设置填充颜色和图例counts sli- c(10, 12, 4, 16, 8)lbls pct - ro

8、und(slilbls 基本实现-使用plot()plot(mtcars$wt, mtcars$mpg, main=Scattlot Exle, xlab=CarWeight , ylab=Per Gallon , pch=19)abline(lm(mtcars$mpgmtcars$wt), col=red) # 添加回归线# 3D散点图library(scattlot3d)scattlot3d(mtcars$wt,mtcars$disp,mtcars$mpg, main=3D Scattlot)R的低级绘图函数低级绘图函数：点、直线、线段、箭头、网格线R的低级绘图函数：点、直线、线段# 基本

9、实现plot(-4:4, -4:4, type = p, col=blue) # 绘制点、连接点pos(x=c(3,-2,-1,3,2), y=c(1,2,-2,2,3), col = red)lines(x=c(3,-2,-1,3,2), y=c(1,2,-2,2,3),col=black)# 绘制直线abline(h=0) abline(v=0) abline(a=1,b=1)abline(lm(mtcars$mpg mtcars$qsec),col=red)R的低级绘图函数：线段、箭头、网格线# 绘制线段segments(x0=2, y0=-4.5, x1=4, y1=-2, col=r

10、ed, lty=dotted) # 绘制箭头,并设置箭头的长度、角度、样式arrows(x0=-4, y0=4, x1=-2, y1=0, length=0.15, angle=30, code=3) #绘制网格线grid(nx=3, ny=5, col = lightgray, lty = dotted)R的低级绘图函数：多边形绘制由(x,y)作为顶点的多边形的低级函数如下：polygon(x, y = NULL, density = NULL, angle = 45, border = NULL, col = NA, lty = par(lty), ., fillOddEven = FAL

11、SE)# 基本实现plot(-4:4, -4:4, type = p, col=blue)polygon(x=c(3,-2,-1,3,2), y=c(1,2,-2,2,3), col = red) # 绘制多边形R的低级绘图函数：标题、任意文本、周边文本# 使用title()函数添加红色标题和蓝色子标题，设置坐标轴体相对大小为0.75plot(mtcars$wt, mtcars$mpg, main=,sub=,xlab=,ylab=)title(main=My Title, col.main=red, sub=My Sub-title, col.sub=blue, xlab=My X labe

12、l, ylab=My Y label, col.lab=green, cex.lab=0.75)# 使用text()/mtext()函数为绘图区域/边缘区域添加文本注释为绿色，字plot(x=mtcars$wt, y=mtcars$mpg, main=Milage vs. Car Weight,xlab=Weight, ylab=age, pch=18, col=blue)text(x=mtcars$wt, y=mtcars$mpg, labels=s(mtcars), cex=0.6,=4, col=red)mtext(Added by mtext(), side=2, line=2,col

13、=blue) #在边界加文本R的低级绘图函数：坐标轴和图例#添加坐标轴x - c(1:10); y - x; z counts 组合多个图形R允许在同一个页面中创建多组图形，以便对这些图形进行对比使用par()函数的mfrow/mfcol参数mypar plot(mtcars$wt,mtcars$disp,main=Scattlot of wt vs disp)hist(mtcars$wt, main=Histogram of wt) boxplot(mtcars$wt, main=Boxplot of wt) par(mypar)数据的读写设置工作路径：gese() 获取当前工作路径() 指

14、定工作路径list.files () 当前工作路径下的文件数据的读写read 和write 系列函数：最为常用的数据方式是用read.table()函数或reav()函数外部txt或csv格式的文件。txt文件：制表符间隔(键盘左上角的Tab键） csv文件：逗号间隔xls文件：二进制文件，不能直接VolcanoplotVolcanoplotk - p- read.table(diffgene.txt,header = TRUE)p - ggplot(k,aes(x = log2FoldChange,y = -log10(padj),color = sig)p - p + geom_po(si

15、ze = 0.8)cols - c(up regulated: 1229 = blue,FALSE = green, down regulated:1921 = red )p - p + scale_color_manual(Differential Expressed Genes,values = cols, breaks = c(up regulated: 1229,FALSE,down regulated: 1921), limits = c(up regulated: 1229,down regulated: 1921)p - p + geom_hline(yercept = -log

16、10(0.05),linetype = dotdash,size = 0.4)p - p+scale_y_continuous(breaks=c(30,60,80),labels=c(30,60,80)p - p + ggtitle(A vs B)+xlab(expres(pasog2,(fold change),sep = ) + ylab(expres(paste(-log10,(padj),sep = )p - p + theme(panel.background = element_rect(fill = transparent),panel.border=element_rect(c

17、olour=black,fill=NA),panel.grid.minor = element_bl(), panel.grid.major = element_bl()pboxplotboxplotlibrary(ggplot2)library(resh2)rp-read.table(fpkm.txt,header=TRUE)df - log10(rp,-1+1)df - mef)colnames(df)-c(Group,value)p - ggplot(df, aes(x = Group, y = value)p - p + geom_boxplot(aes(fill = Group),a

18、lpha = 0.4,outr.size = 1)p - p + xlab() + ylab(expres(pasog10,(FPKM+1),sep = )+ labs(title = FPKM distribution)p - p + theme(panel.background = element_rect(fill = transparent)+ theme(panel.border = element_rect(colour = black,fill = NA)+theme(panel.grid.minor = element_bl()violinviolinq - ggplot(df

19、, aes(x = Group, y = value)q - q + geom_boxplot(aes(fill = Group),alpha=0.4,width=0.1,outr.colour=NA)q - q + geom_violin(aes(colour=Group,fill=Group),alpha=0.2, width=1)q - q + xlab() + ylab(expres(pasog10,(FPKM+1),sep = )+ labs(title=FPKM distribution)q - q + theme(panel.background = element_rect(f

20、ill = transparent), panel.border=element_rect(colour=black,fill=NA),panel.grid.minor = element_bl(), panel.grid.major =element_bl()multiple graphsmultiple graphspar(mfrow=c(2,2)plot(rnorm(50),pch=17)plot(rnorm(20),type=l,lty=5)plot(rnorm(100),cex=0.5)plot(rnorm(200),lwd=2)library(grid)grid.nege()pus

21、hViewport(viewport(layout = grid.layout(nrow = 1, ncol = 2)prpr(p, vp = viewport(layout.(q, vp = viewport(layout.row = 1, layout.row = 1, layout.col = 1).col = 2)vennlibrary(gplots)A-letters1:10B-letters5:16C-lettersc(3:6, 9:13, 17:20)x-list(A, B, C)venn(x)vennlibrary(VennDiagram)V - venn.diagram(li

22、st(A=A,B=B),filenaV - venn.diagram(list(A=A,B=B),filenaLL)LL,fill=c(red,green),col=c(red,green),cat.col=c(red,green)V - venn.diagram(list(A=A,B=B),filenaV - venn.diagram(list(A=A,B=B),filena lwd=2)V - venn.diagram(list(A=A,B=B),filena c(0.5,0.5)LL,cex=1.4, cat.cex=1.6)LL,fill=c(red,green),lty=0,LL,fill=c(red,green),alpha=grid.nege()grid.draw(V)vennLength_A-leng)Length_B-length(B)Length_AB-length(ersect(A,B)grid.nedrage()irwise.venn(area1=Length_A,area2=Length_B,cross.area=Length_AB,ca