r语言 相关性作图_R绘图：相关性分析与作图

最新推荐文章于 2024-04-21 13:06:16 发布
最新推荐文章于 2024-04-21 13:06:16 发布
阅读量2.1k 收藏 2
点赞数 1
文章标签： r语言 相关性作图
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_35316354/article/details/112902614
版权
本文介绍了如何使用R语言进行相关性分析并展示结果，包括使用corrplot和circlize包创建不同类型的相关性图谱，如圆形、方形、饼图和颜色矩阵等。此外，还展示了如何通过circlize包制作太极图和飞镖盘样式的图形，为多基因的相关性分析提供视觉化的展示方法。
摘要由CSDN通过智能技术生成

公众号“生信小课堂”

TCGA数据分析课程：生物信息学教学

相关性分析是我们生信分析中必不可少的技能，单基因的批量相关性分析，可以用于做单基因的GO，KEGG富集分析和GSEA分析，也有多基因之间的相关性分析，或者多个基因集之间的相关性分析。今天我们利用TCGA肝癌数据，挑选一些基因做相关性分析，并用不同的R包展示。

load(file = "mRNAdata.Rda")#加载数据

library(tidyverse)

library(corrplot)

library(circlize)TCGA数据下载与ID转换​mp.weixin.qq.com

mRNAdata

mRNAdata" />

选择列，我们随便选一些基因

new

new

计算相关性系数

cor_new

cor_new

corrplot包画图

method：指定形状，可以是circle圆形(默认)，square方形，ellipse,椭圆形，number数值，shade阴影，color颜色，pie饼图。type：指定显示范围，full完全(默认)，lower下三角，upper上三角

corrplot(cor_new, method = "circle")

corrplot(cor_new, method = "square")

corrplot(cor_new, method = "pie")

corrplot(cor_new, method = "color")

corrplot(cor_new, method = "number")

更改颜色

corrplot(cor_new, method = "color", col = colorRampPalette(c("

最低0.47元/天 解锁文章
绝对伤心往事
关注
r语言 相关性作图_R语言绘图相关性分析绘图展示
weixin_32816613的博客
12-23 1635
rm(list=ls())#先把我们的R清空一下dataread.table(file="C:\\Users\\gaom\\Desktop\\R语言绘图\\相关性分析\\test_data.txt",header=T,row.names=1,sep="\t")#读取数据cor(data,method="pearson")#方法可选pearson、kendall、spearman。##...
相关分析、画图
星之河的专栏
12-03 1154
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %【程序1】.求称量精度、稀释精度和仪器精度 %[r,p]=corrcoef(x);              %x为称量平行样/稀释平行样/机试平行样的原始光谱数据矩阵 %%%%%%%%%%%%%%
r语言rep_R绘图：相关性分析与作图
weixin_39845220的博客
11-21 1451
热图系列1R语言学习系列之“多变的热图”TCGA数据分析系列之火山图R绘图 ggpubr: 为学术而生R绘图 ggsci: 高大上的论文配色，一文解决配色问题相关性分析是我们生信分析中必不可少的技能，单基因的批量相关性分析，可以用于做单基因的GO，KEGG富集分析和GSEA分析，也有多基因之间的相关性分析，或者多个基因集之间的相关性分析。今天我们利用TCGA肝癌数据，挑选一些基因做相关性分析，并用...
R语言：相关性可视化绘图+进阶散点图矩阵、高密度散点图、六边形封箱图、气泡图
weixin_46587777的博客
04-21 1749
以相关系数表示的二元关系：通过散点图和散点图矩阵进行可视化。
r语言 相关性作图_R语言绘图：相关性分析报告及绘图展示
weixin_39732991的博客
01-14 332
rm(list=ls())#先把我们的R清空一下dataread.table(file="C:\\Users\\gaom\\Desktop\\R语言绘图\\相关性分析\\test_data.txt",header=T,row.names=1,sep="\t")#读取数据cor(data,method="pearson")#方法可选pearson、kendall、spearman。##...
r语言 相关性作图_R语言做相关性分析
weixin_30499091的博客
12-23 3078
衡量随机变量相关性的方法主要有三种：pearson相关系数，spearman相关系数，kendall相关系数：1.pearson相关系数，亦即皮尔逊相关系数pearson相关系数用来衡量两个随机变量之间的相关性R语言中求两个随机变量pearson相关系数的函数:1//赋予a,b向量值2a3b45//计算pearson相关系数6cor.test(a,b,method="pearson"...
R语言——相关图的绘制
Taozai22的博客
08-04 4444
采用的包： corrgram 采用的数据集：USJudgeRatings（43名律师的12个评价指标） > head(USJudgeRatings) CONT INTG DMNR DILG CFMG DECI PREP FAMI ORAL WRIT PHYS RTEN AARONSON,L.H. 5.7 7.9 7.7 7.3 7.1 7.4 7.1 7.1 7.1 7.0 8.3 7.8 ALEXANDER,J.M. 6.8 8.9
Pearson相关性分析& plot绘图（相关性系数柱状图、绘制非空值数量柱状图）
clmeng77的博客
03-29 4795
Pearson相关性分析& plot绘图（相关性系数柱状图、绘制非空值数量柱状图）
相关性表达分析及绘图
peiqi_luffy的博客
06-03 4448
1、加载数据，加载包 library(pheatmap)##加载包 ave <- AverageExpression(breast)对聚类之后的细胞进行平均表达分析 average_sct <- as.data.frame(ave$SCT)###对归一化后的数据进行相关性分析 cor_ave <- cor(average_sct)###cor（）函数处理 cor_ave <- as.matrix.data.frame(cor_ave)####对平均表达之后的细胞进行矩阵化分析
【R语言】——相关性分析和热图绘制
热门推荐
weixin_54004950的博客
12-12 3万+
一、什么是相关性分析？相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相关密切程度。相关性的元素之间需要存在一定的联系或者概率才可以进行相关性分析。在组学测序（如转录组）中需设置多个生物学重复，而对多个生物学重复样本的相关性分析，可从中判断生物学重复样本数据是否可以用于接下来的分析。如有一生物学重复不一致的情况，可去除变异数据，预防某一重复数据不可用，进而影响实验数据的分析。常见的相关性分析方法有三种：皮尔森（pearson。
相关性分析和热图绘制
hu397313168的博客
03-24 1万+
r的取值在-1与+1之间，若r>0，表明两个变量是正相关，即一个变量的值越大，另一个变量的值也会越大；若r
r语言 相关性作图_R语言系列 基本统计作图
weixin_42112894的博客
01-04 4119
【本文用于教学】基本统计图形要观察分类变量与定量变量的数据，最基本的方法就是用图形：1. 将变量的分布作可视化展示；2. 通过结果变量进行跨组比较。#条形图 条形图通过垂直的或水平的条形展示了类别型变量的分布（频数）。函数barplot()的最简单用法是：其中，height为向量或矩阵。##简单条形图（height为向量）library(vcd) #使用数据集Arthritis## Loading...
seaborn图像的外观和风格设置
天凉好个秋的博客
04-13 1475
文章目录如何使用seaborn自带的主题风格?如何去掉图像上面和右面的刻度和轴线？如何设置要画的图离轴线的距离?画子图的时候，希望子图的风格不同该怎么做?如何设置曲线的宽度?如何设置分度值的字体大小?如何将seaborn的所有外观设置恢复到默认值? 如何使用seaborn自带的主题风格? import seaborn as sns import numpy as np import matplot...
python json解析 超过对象_python json 解析
weixin_39951929的博客
12-05 144
Encode过程，是把python对象转换成json对象的一个过程，常用的两个函数是dumps和dump函数。dic1 = {'type':'dic1','username':'loleina','age':16}两个函数的唯一区别就是dump把python对象转换成json对象生成一个fp的文件流，而dumps则是生成了一个字符串：json_dic2 = json.dumps(dic1,sort...
跟着 Nature 学作图 | 相关性热图（显示相关性散点图）
weixin_45822007的博客
06-19 3132
corr本期图片 ❝Jiang, Y., Sun, A., Zhao, Y. et al. Proteomics identifies new therapeutic targets of early-stage hepatocellular carcinoma. Nature 「567」, 257–261 (2019). https://doi.org/10.1038/s41586-019-09...
R 数据可视化 —— 相关系数图
dxs18459111694的博客
11-18 3727
前面，我们介绍了如何使用ggplot2来绘制相关系数图，这节，我们将介绍用corrplot包绘制相关系数图corrplot主要用于图形化展示相关系数矩阵、置信区间，同时还包含一些矩阵排序算法。同时能够以简单的方式，选择颜色、文本标签和布局等安装导入if (!
r语言 相关性作图_R语言作图：自定义调色盘
weixin_39675963的博客
01-04 681
熟悉R的都知道，RColorBrewer提供了许多调色盘，其他ggplot相关packages也有很多自己的配色方案，这些基本上能够满足我们作图的需求。但实际工作中有两个问题需要自定义调色盘来解决：1. 用颜色表示的非连续变量种类数量超过调色盘颜色种类；2. 有指定颜色需求。因此本次就来介绍一个简单的自定义调色盘方法。首先，如果你还不知道RColorBrewer提供了哪些调色盘，请看：黄小伟：R语...
利用R中的corrmorant包绘制精美的相关性热图
qq_45856698的博客
06-26 4657
相关性热图 (correlation heatmap) 是一种可视化工具，用于展示数据集中各个变量之间的相关性。它以矩阵的形式显示变量之间的相关系数，并通过色彩编码来表示相关性的强度。在相关性热图中，每个变量都对应图中的一行和一列。图中的每个单元格代表两个变量之间的相关性，通常使用颜色来表示相关性的强度。通常，相关性的计算采用的是Pearson相关系数，它度量线性关系的强度和方向。热图中的颜色编码比较常见的方式是使用一个渐变的色谱图。一般来说，较高的正相关性对应着较深或较亮的颜色，如红色或黄色；而较高的负相
r语言相关性分析作图
最新发布
07-25
R语言是一种广泛应用于统计计算、数据可视化以及数据分析的开源编程语言。进行相关性分析并制作图形图表，在R中是一个常见的任务，特别是在探索性数据分析（EDA）阶段，用于理解变量之间的关系。 ### R语言进行相关性分析的基本步骤： #### 1. 数据加载与准备 首先，需要将数据导入到R环境中。这通常通过`read.csv()`、`read.table()`或其他读取函数完成，取决于数据文件的格式。接着，检查数据集以了解其结构，包括观察的数量和每个变量的类型。 ```r # 加载数据 data <- read.csv("path_to_your_data.csv") # 检查数据框架的前几行和结构 head(data) str(data) ``` #### 2. 计算相关系数矩阵 使用`cor()`函数可以计算所有数值型列之间（如数值型变量与数值型变量）的相关系数。结果会是一个矩阵，显示了每对变量的相关系数。 ```r # 计算相关系数矩阵 cor_matrix <- cor(data[, sapply(data, is.numeric)]) # 查看相关系数矩阵 print(cor_matrix) ``` #### 3. 可视化相关性 最常用的可视化工具之一是散点图矩阵（pairs()），它能够直观地展示数据集中所有数值型变量之间的两两相关性。另外，热力图也是一个强大的视觉工具，用于表示相关性矩阵的颜色编码版本。 ```r # 散点图矩阵（适用于小数据集） pairs(data[, sapply(data, is.numeric)], pch = 19) # 热力图 library(ggplot2) library(reshape2) # 或者使用tidyverse包中的gather() # 将cor_matrix转换为长格式以便绘图 corr_long <- melt(cor_matrix) # 使用ggplot绘制热力图 ggplot(corr_long, aes(x=Var1, y=reorder(Var2, value), fill=value)) + geom_tile() + scale_fill_gradient2(low="blue", mid="white", high="red", midpoint=0) + theme_minimal() ``` ### 相关问题: 1. **如何解释相关性分析的结果**? - 解释相关系数的大小及其正负值，可以帮助理解两个变量间的关系强度和方向。 2. **在进行相关性分析之前需要注意哪些事项**? - 需要检查数据是否存在缺失值，并处理异常值或极端值；同时考虑数据的分布特性，如是否满足正态分布。 3. **有哪些高级的数据可视化库可用于R进行更复杂的相关性分析**? - `ggplot2`, `lattice`, 和 `plotly` 提供了丰富的定制选项和交互式功能，适合创建更复杂和美观的可视化图表。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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