pytorch 变对角矩阵_ggcor |相关系数矩阵可视化

最新推荐文章于 2024-08-20 21:48:47 发布

Ymmedu

最新推荐文章于 2024-08-20 21:48:47 发布

阅读量2.1k

点赞数 2

文章标签： pytorch 变对角矩阵

本文链接：https://blog.csdn.net/weixin_33284411/article/details/112183268

版权

这篇博客介绍了如何使用PyTorch进行变对角相关系数矩阵的可视化，包括非对称相关系数矩阵的处理、相关性检验以及Mantel检验的可视化方法。内容涵盖数据预处理、绘图函数初始化、图层函数的应用，以及相关性网络图的绘制。此外，还提供了不同场景下的数据预处理函数示例和mantel检验的组合图展示。

摘要由CSDN通过智能技术生成

厚缊 业余的R语言可视化重度患者
个人博客:houyun.xyz
邮箱：houyunhuang@163.com
转载本文(包括长期转载账号)必须联系厚缊授权

相关系数矩阵可视化已经至少有两个版本的实现了，魏太云基于base绘图系统写了 corrplot 包，应该说是相关这个小领域中最精美的包了，使用简单，样式丰富，只能用惊艳来形容。 Kassambara的 ggcorrplot 基于 ggplot2 重写了 corrplot ，实现了 corrplot 中绝大多数的功能，但仅支持“square”和“circle”的绘图标记，样式有些单调，不过整个 ggcorrplot 包的代码大概300行，想学习用 ggplot2 来自定义绘图函数，看这个包的源代码很不错。还有部分功能相似的 corrr 包(在写 ggcor 之前完全没有看过这个包，写完之后发现在相关系数矩阵变data.frame方面惊人的相似)，这个包主要在数据相关系数提取、转换上做了很多的工作，在可视化上稍显不足。 ggcor 的核心是为相关性分析、数据提取、转换、可视化提供一整套解决方案，目前的功能大概完成了70%，后续会根据实际需要继续扩展。这里要介绍的 ggcor 是 corrplot 的有一种实现，在吸收借鉴(或者说是全般) corrplot 的基础上，略有提升，使用上会更灵活简单。这里不得不说下整个开发过程，一方面是为了感谢来自五湖四海的朋友提的许许多多的专业意见，另一方面是深感歉意，由于我考虑不周， ggcor (第一次上传github测试大约在十天前，名字还是 ggcorrr )存在各种各样的小bug，也有很多限制，这次为了升级和简化，不仅名字变了，里面的函数也变得完全不一样，若你们以前写了 ggcorrr 的代码，现在基本不可以重用了。尽管这一版本的更新我考虑了很多应用场景，综合了方方面面的意见，但是bug和限制还是在所难免，希望朋友们继续提意见，提需求。当然，这一次有两点是可以保证的：一是包名不会变了，再变都成精了；二是包内的主体函数和参数不会变了，而且即使要变，我也会考虑兼容性。

安装

目前是测试版本，帮助文档还没写，得慢慢磨。

if(!require(devtools))
  install.packages("devtools")
if(!require(ggcor))
  devtools::install_github("houyunhuang/ggcor")

数据预处理函数

ggplot2 要求的数据格式是 data.frame ，要把相关系数矩阵处理成理想的数据格式需要一系列的操作。 ggcor 提供了两个主要的函数，一个是 as_cor_tbl() 函数，另一个是 fortify_cor() 函数，两者结合应该能满足绝大多数的应用场景需求。 as_cor_tbl() 是更底层的函数， fortify_cor() 本质上调用了 as_cor_tbl() 来得到最终的数据结果。这个函数适用于已经知道，或者需要用其它更特殊的函数(非 stats::cor() )来处理得到系数的情况，常用的参数是前三个。

x—— 相关系数矩阵(或者数据框)，矩阵行名和列名是必要的，若没有或者缺失值会自动补全名字，行名以“Y”开头，附上递增的整数序列，列名以“X”开头，附上附上递增的整数序列。
type —— 相关系数矩阵图样式，“upper”截断下三角，“lower”截断上三角。
show.diag —— 相关系数矩阵图中是否包含对角线，仅对对称矩阵有效。
p —— 相关系数检验p值矩阵(或者数据框)，必须与x一一对应。
low —— 相关系数置信区间下界矩阵(或者数据框)，必须与x一一对应。
upp —— 相关系数置信区间上界矩阵(或者数据框)，必须与x一一对应。
cluster.type —— 是否对相关系数矩阵进行重新排序，“none”表示不重排，“all”表示行列均重排，“row”表示对行重排，“col”则只对列重排。
... —— 其它传递给matrix_order()函数的参数。

library(ggcor)
## function(x,
##          type = c("full", "upper", "lower"),
##          show.diag = TRUE,
##          p = NULL,
##          low = NULL,
##          upp = NULL,
##          cluster.type = c("none", "all", "row", "col"),
##          ...)

corr df df ## return a tibble

## # A tibble: 121 x 3
##       x     y      r
## * 
## 1     1    11  1
## 2     1    10 -0.852
## 3     1     9 -0.848
## 4     1     8 -0.776
## 5     1     7  0.681
## # … with 116 more rows
## Extra attributes:
## xname: mpg cyl disp hp drat wt qsec vs am gear carb
## yname: carb gear am vs qsec wt drat hp disp cyl mpg
## show.diag: TRUE

fortify_cor() 主要适用于处理原始数据表，即调用 cor() 求相关系数， cor 函数对数据按列进行两两相关性计算，默认使用 pearson 方法，当然理论解读中提前的 spearman 和 kendall 方法也都支持。调用(若需要) cor.test() 函数进行统计检验，并返回 ggcor 需要的数据类。

x—— 原数据矩阵(或者数据框)，列名是必要的，若没有或者缺失值会自动补全名字，列名以“X”开头，附上附上递增的整数序列。
y—— 原数据矩阵(或者数据框)，列名是必要的，若没有或者缺失值会自动补全名字，列名以“X”开头，附上附上递增的整数序列。当y不为空(NULL)时，相关系数是x中的每一列和y中的每一列的相关性。
type —— 相关系数矩阵图样式，“upper”截断下三角，“lower”截断上三角。
show.diag —— 相关系数矩阵图中是否包含对角线，仅对对称矩阵有效。
cor.test —— 逻辑值，是否进行相关性检验。
cor.test.alt —— 相关性检验备择假设，详细请查看cor.test()帮助。
cor.test.method —— 相关性检验方法，详细请查看cor.test()帮助。
cluster.type —— 是否对相关系数矩阵进行重新排序，“none”表示不重排，“all”表示行列均重排，“row”表示对行重排，“col”则只对列重排。
cluster.method —— 当cluster.order为“HC”(默认)时算法，详细请查看ggcor::matrix_order()。
... —— 其它传递给cor()函数的参数。

## function(
##          x,
##          y = NULL,
##          type = c("full", "upper", "lower"),
##          show.diag = FALSE,
##          cor.test = FALSE,
##          cor.test.alt = "two.sided",
##          cor.test.method = "pearson",
##          cluster.type = c("none", "all", "row", "col"),
##          cluster.method = "HC",
##          ... )

df01 TRUE, cluster.type = "all")
df01

## # A tibble: 121 x 6
##       x     y     r         p    low   upp
## * 
## 1     1    11 1     7.44e-232 1.000  1.000
## 2     1    10 0.750 7.83e-  7 0.543  0.871
## 3     1     9 0.428 1.46e-  2 0.0927 0.676
## 4     1     8 0.527 1.94e-  3 0.218  0.740
## 5     1     7 0.395 2.53e-  2 0.0537 0.654
## # … with 116 more rows
## Extra attributes:
## xname: carb hp wt cyl disp drat am gear qsec mpg vs
## yname: vs mpg qsec gear am drat disp cyl wt hp carb
## show.diag: TRUE

as_cor_tbl() 和 fortify_cor() 返回值均是 cor_tbl 类的数据框(准确的说是 tibble )，并包含其它额外特殊属性，要充分利用 ggcor 包中一系列工具函数带来的便捷性，必须调用(手动比较麻烦)这两个函数预处理数据。

初始化绘图函数

ggcor 封装了一个基本的初始化函数 ggcor() ，用来处理数据、绘图类型、背景、坐标轴、颜色映射、图例等。看上去 ggcor() 函数非常复杂，但若仔细观察参数命名规则和分类，又是非常简单的。绘图区网格线参数名字均以 grid.* 开头；坐标轴相关参数均以 axis.* 开头；图例相关(主要是colourbar)的参数均以 legend.* 开头；还有 panel.backgroud 、 xlim 、 ylim 均是常见的参数， panel.backgroud 参数用来设置绘图区背景颜色， xlim 、 ylim 则是设置x/y轴的范围。把这几大块参数去掉后，剩下的参数只有6个了，瞬间清爽了不少。要完全理解 ggcor() 的作用原理及相关参数的设置，需要先讲讲 ggcor() 内部构成。 ggcor()本质上是调用了ggplot()来初始化， 然后根据相关系数图的样式添加了一些辅助的图层。

x、y、mapping、is.cor、show.diag和...参数均和数据预处理和映射相关。
- x可以是cor_tbl、矩阵(数据框)。当为cor_tbl时直接作为data参数传递给ggplot()；为矩阵(数据框)时，若是(is.cor = TRUE)相关系数矩阵(数据框)时，调用as_cor_tbl()函数处理成cor_tbl，若不是(is.cor = FALSE)相关系数矩阵(数据框)时，调用fortify_cor()函数处理成cor_tbl，此时x、y、show.diag和...均传递给as_cor_tbl()或者fortify_cor()。
- mapping对应ggplot()中的mapping参数，当为空(默认)时，根据cor_tbl中的变量情况添加，基础形式是aes(x = x, y = y, r = r, fill = r)。若cor_tbl包含“p”(进行了相关系数显著性检验)，则最基础形式基础上额外添加p = p，若检验方法(cor.test.method = "pearson")，再加上low = low和upp = upp