r语言 相关性作图_R绘图：相关性分析与作图（单基因相关性）

最新推荐文章于 2023-01-08 09:59:08 发布
最新推荐文章于 2023-01-08 09:59:08 发布
阅读量2k 收藏 6
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_39633954/article/details/112471999
版权
本文介绍了如何使用R语言进行单基因的相关性分析和绘图，以TCGA数据为例，展示了如何进行数据处理并选用不同的图形样式，如density、boxplot、violin和densigram。
摘要由CSDN通过智能技术生成

上回咱们介绍了多基因之间的相关性分析及绘图

R绘图：相关性分析与作图

今天我们来讲一下，单基因之间得相关性分析及作图，这个在实验性得文章中用到得更广泛

首先还是加载数据，数据来源于TCGA数据下载与ID转换

rm(list=ls())library(ggstatsplot)#加载包load(file = "mRNAdata.Rda")#加载数据

62e28c758e47d5352f37022c1f7aad66.png

将数据转置，并转换成数据框，取log

dat<-as.data.frame(t(mRNAdata))dat<-log2(dat+1)

d207bd409dc0f6e22a4e1ade8bb6d313.png

我们用LDHA和PKM来示范绘图，方法选择pearson，显示平均值

ggscatterstats(dat,                y =LDHA,                x =PKM,
最低0.47元/天 解锁文章
weixin_39633954
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 1626
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绘图：相关性分析与作图
weixin_33873297的博客
12-23 1316
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(tid...
spearman相关系数
benbencan的专栏
09-27 627
https://baike.baidu.com/item/spearman相关系数/7977847?fr=aladdin
一种简单的使用pandas DataFrame划分训练集、测试集、验证集的方法
学者的博客
10-29 5975
例如划分训练集、测试集、验证集比例为 6：2：26： 2： 26：2：2, 代码如下： import pandas as pd """ 此脚本将数据集分为训练集和测试集和验证集 """ if __name__ == "__main__": data = pd.read_csv("corpus-model-filtered.csv", header=None) #加载数据 data:pd.DataFrame = data.sample(frac=1.0)
python训练数据集_用pandas划分数据集实现训练集和测试集
weixin_39906878的博客
11-23 977
1、使用model_select子模块中的train_test_split函数进行划分数据：使用kaggle上Titanic数据集划分方法：随机划分123456789# 导入pandas模块，sklearn中model_select模块import pandas as pdfrom sklearn.model_selectimport train_test_split# 读取数据data= pd....
函数实现将 DataFrame 数据直接划分为测试集训练集
laugh12321的博客
08-17 6915
 虽然 Scikit-Learn 有可以划分数据集的函数 train_test_split ，但在有些特殊情况我们只希望它将 DataFrame 数据直接划分为 train, test 而不是像 train_test_split 返回四个值。这里写了一个类似功能的函数： import numpy as np import pandas as pd from sklearn.utils import...
pandas.Dataframe 训练数据集和测试数据集分裂方法
mengdiefeixumyname的博客
04-08 5660
在深度学习或者机器学习训练时，总会对现有数据进行随机采样，分裂出训练数据集和测试数据集，下面就几种情况进行分析： 原始数据集本身随机排列 倘若原始数据集本身是随机排列的话，可以直接采样下面的方式实现 from sklearn.model_selection import train_test_split df_train,df_test = train_test_split(df,test_siz...
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
01-14 328
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 3072
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"...
用pandas划分数据集实现训练集和测试集
09-16
主要介绍了用pandas划分数据集实现训练集和测试集，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
快速提升效率的6个pandas使用小技巧
简说Python的博客
09-07 536
作者｜B.Chen来源｜towardsdatascience翻译\编辑｜Python大数据分析pandas是python中常用的数据分析库，出现频率非常高，而且pandas功能之多让人咋...
修改linq结果集_pandas与决策树学习实例---Adult数据集（2）
weixin_39934302的博客
11-29 224
在经过前期的学习后，我们需要一些实例操作来加深我们对pandas的熟悉程度。今天带来的是L在pandas学习之旅中，针对Adult数据集的一些学习笔记。侦探L：pandas学习实例---Adult数据集（1）​zhuanlan.zhihu.com接上一篇结尾部分，我们接下去对数据集进行分析。首先重温一下我们的数据集。df.head()df.info()下面，我们依然继续研究工资与其他特征之间的联系...
机器学习 鸢尾花数据集划分 - 训练集、测试集
m0_56051805的博客
12-17 1418
机器学习 鸢尾花数据集划分 - 训练集、测试集
用pandas划分数据集——训练集和测试集
热门推荐
MDbabyface的博客
10-22 3万+
用pandas划分数据集——训练集和测试集
计算机计算推理题
朱文宇的博客
01-08 314
2018年刑侦科推理试题
划分训练、测试数据集，从Dataframe中选取固定id的行数据并存入txt文件
梦坠凡尘
11-26 530
import os, random, shutil # 创建目录 test_path = './test_path/' if not os.path.exists(test_path): os.makedirs(test_path) print('test_path is Ok') else: print('test_path is exit') new_train_...
使用pandas和sklearn将csv/tsv按比例分成训练集和测试集
万里无云能蔽日
04-12 4719
pandas读取csv，sklearn.model_selection.train_test_split 划分训练集和验证集。
知识图谱 (知识计算推理)
BUPT-WT的博客
10-04 1万+
         
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