其他
R可视化——相关性计算及展示
加载数据
rm(list=ls())#clear Global Environmentsetwd('D:\\桌面\\相关性分析')#设置工作路径#读取数据，这里是随机编写的数据，可能相关性不是很强哈df <- read.table(file="data.txt",sep="\t",header=T,check.names=FALSE,row.names = 1)#预览head(df)使用R自带的相关性分析函数cor()进行分析
#使用cor()函数中的“spearman”方法进行相关性计算，并用热图进行展示heatmap(cor(df,method = 'spearman'))使用Hmisc包中的rcorr函数进行计算
1）计算数据的相关性
library(Hmisc)df_rcorr<-rcorr(as.matrix(df))#需要进行数据格式转换，计算完成后存储3个内容：r,P,n2）展示
#半角圆圈图library(corrplot)corrplot(df_rcorr$r,#数据 type="lower",#可选择展示方式，"full", "lower", "upper" tl.col ="red",#文本颜色 tl.srt = 45#标签旋转 )#??corrplot#查看具体参数#热图library (pheatmap)pheatmap(df_rcorr$r, angle_col = "45", cellwidth=25, cellheight=20, display_numbers=T, number_format="%.2f", number_color="grey30")通过PerformanceAnalytics包展示
library(PerformanceAnalytics)chart.Correlation(df,histogram = T,pch="+")#大家可以去网上搜一下这种图应该怎么理解ggcor包与ggplot2展示
library(ggplot2) library(ggcor)##方块 quickcor(df) +geom_square()#显示一半quickcor(df, type = "lower", show.diag = FALSE) + geom_square()#半个显示图形，半个显示显著性quickcor(df, cor.test =T)+#计算相关性 geom_square(data =get_data(type ="lower", show.diag =F))+ geom_mark(data =get_data(type ="upper", show.diag =F), size =3)+ guides(fill = guide_legend(title = "p_value", order = 1))+#图例 geom_mark(r = NA,sig.thres = 0.05, size = 3, colour = "red")爱我请给我好看!