笔记—R语言做矩阵散点图

笔记—R语言做矩阵散点图

#install.packages("corrgram")
#install.packages("GGally")
install.packages("seriation")
install.packages("wesanderson")
library(corrgram)
library(ggplot2)
library(GGally)
library(wesanderson)#配色包

data <- read.table(file.choose(), header = T,sep = '\t')#以tab制表符分隔
new_data <- data[,-1]#去掉第一例
View(new_data)
# 得到变量之间的相关系数
#data_cor <- cor(new_data)

#cor()无法给出p值
#Hmisc包里的rcorr()函数能够同时给出相关系数以及显著性水平p-value。rcorr(x, type = c(“pearson”,“spearman”))。
#order = TRUE 时,相关矩阵将使用主成分分析法对变量重排序,这将使得二元变量的关系模式更为明显
#。order = FALSE 时,变量按原来的顺序输出。
# 第二种风格的图
# 添加字体
windowsFonts(TNM = windowsFont("Times New Roman"))

pearson <- cor(x= new_data[6:11],y = new_data[1:5],method = "pearson")#计算相关性系数
View(pearson)
ggpairs_theme <- theme_bw()+theme(panel.grid.major = element_blank(), #删除主要网格线
                                  panel.grid.minor=element_blank(),  #删除次要网格线
                                  panel.border = element_rect(colour = "grey30", fill = NA, size=0.25),
                                  #使用无填充、0.25磅黑色边框的方格
                                  axis.title.x.bottom=element_text(size=5, face = "bold",family ="TNM",angle = 90),#axis.title 轴的标签
                                  axis.text.x.bottom = element_text(size=6.5,angle = 90, family ="TNM",face = "bold",),#face字体("plain", "italic", "bold",加粗 "bold.italic"),
                                  axis.text.y.left= element_text(size =6.3,family ="TNM",face = "bold",),
                                  strip.background = element_blank())+
  theme(strip.text=element_text(size = 7,family="TNM"),strip.text.x = element_text(size = 7,family="TNM",),strip.text.y = element_text(size = 7,family="TNM"))

#theme_bw()+白色背景加黑色网格线主题
#theme_gray()默认主题

p<- ggpairs(new_data,)

#Adiag <- wrap(ggally_densityDiag,size= 1, color ="#FF9999" )#指定颜色
#Alower <- wrap(ggally_points, color = "#99CCFF")
ggplot(as.data.frame(new_data))
p <-ggpairs(new_data,upper = list(continuous=wrap(ggally_cor,digits = 2,
                                                  size=3, family="TNM",face = "bold")),  )+
  ggpairs_theme

p
#  lower = list(continuous = Alower),加在ggpairs里指定对角线和下三角颜色
#diag = list(continuous = Adiag),

  • 1
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
C语言是一种广泛使用的编程语言,它具有高效、灵活、可移植性强等特点,被广泛应用于操作系统、嵌入式系统、数据库、编译器等领域的开发。C语言的基本语法包括变量、数据类型、运算符、控制结构(如if语句、循环语句等)、函数、指针等。在编写C程序时,需要注意变量的声明和定义、指针的使用、内存的分配与释放等问题。C语言中常用的数据结构包括: 1. 数组:一种存储同类型数据的结构,可以进行索引访问和修改。 2. 链表:一种存储不同类型数据的结构,每个节点包含数据和指向下一个节点的指针。 3. 栈:一种后进先出(LIFO)的数据结构,可以通过压入(push)和弹出(pop)操作进行数据的存储和取出。 4. 队列:一种先进先出(FIFO)的数据结构,可以通过入队(enqueue)和出队(dequeue)操作进行数据的存储和取出。 5. 树:一种存储具有父子关系的数据结构,可以通过中序遍历、前序遍历和后序遍历等方式进行数据的访问和修改。 6. :一种存储具有节点和边关系的数据结构,可以通过广度优先搜索、深度优先搜索等方式进行数据的访问和修改。 这些数据结构在C语言中都有相应的实现方式,可以应用于各种不同的场景。C语言中的各种数据结构都有其优缺点,下面列举一些常见的数据结构的优缺点: 数组: 优点:访问和修改元素的速度非常快,适用于需要频繁读取和修改数据的场合。 缺点:数组的长度是固定的,不适合存储大小不固定的动态数据,另外数组在内存中是连续分配的,当数组较大时可能会导致内存碎片化。 链表: 优点:可以方便地插入和删除元素,适用于需要频繁插入和删除数据的场合。 缺点:访问和修改元素的速度相对较慢,因为需要遍历链表找到指定的节点。 栈: 优点:后进先出(LIFO)的特性使得栈在处理递归和括号匹配等问题时非常方便。 缺点:栈的空间有限,当数据量较大时可能会导致栈溢出。 队列: 优点:先进先出(FIFO)的特性使得

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值