利用R语言绘制非对称相关性热图

Ravenyr

已于 2024-08-07 14:19:17 修改

阅读量270

点赞数 4

文章标签： r语言开发语言学习方法

于 2024-08-07 12:07:21 首次发布

本文链接：https://blog.csdn.net/raven1112138/article/details/140988156

版权

绘制相关性热图是数据分析中一种非常直观且有用的可视化方法。通过热图，我们可以轻松地识别变量之间的相关关系，从而帮助我们更好地理解数据背后的结构和模式。以往的语言包，多在绘制对称矩阵的热图，本文将介绍如何在R语言中绘制非对称相关性热图，以及在这一过程中需要注意的关键点。

什么是相关性热图？

相关性热图是一种以颜色为基础的图表，用来表示多个变量之间的相关关系。热图中的每个单元格代表两个变量之间的相关系数，颜色的深浅表示相关性的强弱。通常，热图会使用一种颜色梯度，例如从蓝色到红色，其中蓝色表示负相关，红色表示正相关，中性颜色（如白色）表示无相关。(当然我们也可以改颜色）

绘制相关性热图的步骤

数据准备：首先，我们需要准备一个包含多个变量的数据集。通常，数据应当已经过处理和清洗，以确保相关性分析的准确性。
计算相关矩阵：使用相关函数计算各变量之间的相关系数矩阵。常用的相关系数包括皮尔逊相关系数、斯皮尔曼相关系数等。
热图绘制：利用R语言中的热图绘制函数，将相关矩阵可视化为热图。我们可以自定义颜色方案、标签和注释，以便更好地展示数据。

例子

代码：

library(corrplot)	#加载工具包
library(ggplot2)
library(boot)
M1 <- read.csv('file.csv',header=TRUE)
M2 <- read.csv('file.csv',header=TRUE)
M1 <- apply(M1, 2, as.numeric)
M2 <- apply(M2, 2, as.numeric)
p_values <- matrix(NA, nrow = ncol(M1), ncol = ncol(M2))
M <- cor(M1,M2,method = 'pearson')    #也可替换成你所需的相关

tiff('fig.png')

myColors <- colorRampPalette(c("#67001F", "#B2182B", "#D6604D", "#F4A582","white", 
 "#D1E5F0", "#92C5DE","#4393C3","#2166AC"，))
nColors <- 500  # 设置颜色数量
myPalette <- myColors(nColors)  # 获取颜色向量
myRevPalette <- rev(myPalette)  # 反转颜色向量
#橙色-绿色"#d73027", "#f46d43", "#fdae61", "#fee08b", "#d9ef8b", "#a6d96a", "#66bd63", "#1a9850", "#006837"

#circle#
########
# 创建相关性矩阵图
corrplot(M, method='color',is.cor = FALSE, cl.pos = "r", tl.col = "black", tl.pos = "lt", tl.cex = 1,
         insig = "label_sig", sig.level = c(0.001, 0.01, significance_level),  # 仅标记p值小于等于阈值的相关性
         pch.cex = 0.8, pch.col = "black",
         cl.length = 5, cl.ratio = 0.4, cl.offset = 0.5,
         col = myRevPalette)

# 根据p值矩阵标记不显著的相关性为"X"
for (i in 1:ncol(M1)) {
  for (j in 1:ncol(M2)) {
    if (p_values[i, j]*1 >= significance_level) {
      text(j, nrow(p_values) - i + 1, '×', col='black',cex=3, font=10)  # 使用text函数添加"X"标记
    }
    if (p_values[i, j]*1 < significance_level) {
    text(j, nrow(p_values) - i + 1,format(M[i,j],digits=2), col='black',cex=1, font=2)
    }
  }
}
dev.off()


write.csv(M, file = "file.csv", row.names = TRUE)
write.csv(P, file = "file.csv", row.names = TRUE)