![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
R
yzhlinscau
这个作者很懒,什么都没留下…
展开
-
AFEchidna包的使用指南
1 AFEchidna包的在线安装2 AFEchidna包的使用设置3 Echidna软件的更新方法原创 2022-02-18 21:53:50 · 1027 阅读 · 0 评论 -
AFEchidna包示例25之SS-GBLUP
首先,先通过AFEchidna包的AGH.inv函数分别生成A矩阵、G矩阵和H矩阵的逆矩阵,并输出为相应文件,注意文件名后缀为giv。其次,通过AFEchidna包来运行SS-GBLUP。原创 2023-01-04 20:47:47 · 207 阅读 · 2 评论 -
AFEchidna包示例24之数据子集的分析
例如,对于多点试验数据,在计算B型相关时,一般是计算两两地点间。Echidna没有像asreml那么方便,因此AFEchidna与没法像asreml那样通过at()或者subset()轻松获取。但可以自行编程来实现。原创 2022-10-21 10:02:33 · 182 阅读 · 0 评论 -
如何从github国内镜像站或gitee网站安装R包
从github国内镜像站安装R包原创 2022-05-29 23:23:11 · 2020 阅读 · 0 评论 -
性状的pearson相关与表型相关的差异
pearson相关与表型相关不是一回事原创 2022-05-28 20:24:54 · 472 阅读 · 0 评论 -
AFEchidna包示例23之管道操作符%>%的妙用2
在上一篇博文里介绍了管道操作符%>%的一些例子,文中提到%>%可以简化代码。以上篇博文中的固定效应值和随机效应值为例,进一步演示简化代码:solR<-coef(res12b)solR %>% lapply(., function(x) x$fixed) %>% purrr::map(head)solR %>% lapply(.,function(x) x$random) %>% purrr::map(head) 读者可以看见上述两行代码除了fi原创 2022-05-06 20:54:12 · 136 阅读 · 0 评论 -
AFEchidna包示例22之管道操作符%>%的妙用
使用管道操作符%>%,可以直接把数据传递给下一个函数调用或表达式。目的有二:一是减少代码开发时间,提高代码的可读性和维护性;二是让代码更简短。%>%是最常用的操作符,把左侧的数据或表达式,传递给右侧的函数调用或表达式运行,可以像个链条一样连续操作。在使用AFEchidna包进行多个随机效应模型的分析时,管道操作符%>%的优势立马体现出来。简单示例如下:// multiple G-structure modelslibrary(AFEchidna)res12<-echidn原创 2022-05-03 21:00:13 · 338 阅读 · 0 评论 -
AFEchidna包内置函数之summary
== Note: AFEchidna包最新版本为1.62,github版本暂未实时更新。==update()用法如下:// summarysummary(object)返回的结果为列表,含有5个元件:org.res,varcomp,IC,coef.fixed和coef.random。简单示例如下:res11<-echidna(h3~1+Rep, random=~Fam, residual=NULL, .原创 2022-05-01 17:23:01 · 200 阅读 · 0 评论 -
《动植物育种遗传数据分析》之AFEchidna篇--第6章
引子: 本人于2019年主译出版的《动植物育种遗传数据分析》,原书主要使用ASReml进行分析。本博客将陆续演示使用AFEchidna包达到类似ASReml的结果。第6章的代码如下:// chapter 6##### chapter 6 Multivariate Modelsm1<-echidna(height~Location, random=~Location:Rep+RIL+Location:RIL, es0.file = 'MaizeRI原创 2022-05-01 09:01:10 · 207 阅读 · 0 评论 -
《动植物育种遗传数据分析》之AFEchidna篇--第5章
引子: 本人于2019年主译出版的《动植物育种遗传数据分析》,原书主要使用ASReml进行分析。本博客将陆续演示使用AFEchidna包达到类似ASReml的结果。第5章的代码如下:// chapter 5library(AFEchidna2)get.es0.file(dat.file = 'diallel.csv')get.es0.file(es.file = 'diallel.es')file.edit('diallel.es0')dm.m1<-echidna(fixed=dens原创 2022-04-23 19:54:44 · 135 阅读 · 0 评论 -
AFEchidna包内置函数之update()专题
AFEchidna包内置函数之update(),可结合一系列参数来实现不同功能,例如运行新模型,进行批量分析,遗传参数计算,模型预测等等。其最大优点是可以大大简化代码。update()用法如下:// update usageupdate( object, trait = NULL, fixed = NULL, random = NULL, residual = NULL, predict = NULL, vpredict = NULL, qualifier = NULL原创 2022-04-18 22:08:25 · 117 阅读 · 0 评论 -
AFEchidna示例21之update的妙用2:遗传参数计算
之前博文update的妙用1,介绍了如何使用update来进行批量分析代码的简化。这篇博文,将介绍如何使用update结合参数vpredict进行遗传参数的计算,尤其是涉及方差协方差矩阵时,这种方法更为便利。其是Echidna软件自带的,在AFEchidna里也可以使用。// update() with vpredict parameterlibrary(AFEchidna)m2<-echidna(cbind(height,pollen,silking)~Trait+Trait:Locatio原创 2022-04-17 19:48:46 · 288 阅读 · 3 评论 -
《动植物育种遗传数据分析》之AFEchidna篇--第4章
引子: 本人于2019年主译出版的《动植物育种遗传数据分析》,原书主要使用ASReml进行分析。本博客将陆续演示使用AFEchidna包达到类似ASReml的结果。第4章的代码如下:library(AFEchidna)### chapter 4 Breeding Valuesm1<-echidna(height~1+Prov, random=~Female*Block, es0.file="pine_provenance.es0")Var(m1)原创 2022-04-17 13:50:37 · 322 阅读 · 0 评论 -
《动植物育种遗传数据分析》之AFEchidna篇--第3章
引子: 本人于2019年主译出版的《动植物育种遗传数据分析》,原书主要使用ASReml进行分析。本博客将陆续演示使用AFEchidna包达到类似ASReml的结果。第3章的代码如下:// chapter three### chapter 3 Variance Modeling ## 3.1 Default variance modelm1<-echidna(fixed=height~1+Location, random=~Location:Rep+RIL,原创 2022-04-15 20:15:26 · 160 阅读 · 0 评论 -
《动植物育种遗传数据分析》之AFEchidna篇--第2章
引子: 本人于2019年主译出版的《动植物育种遗传数据分析》,原书主要使用ASReml进行分析。本博客将陆续演示使用AFEchidna包达到类似ASReml的结果。第2章的代码如下:// chapter twolibrary(AFEchidna)get.es0.file(dat.file='MaizeRILs.csv')get.es0.file(es.file='MaizeRILs.es')# file.edit('MaizeRILs.es0')## all fixed modelafm原创 2022-04-15 20:02:02 · 250 阅读 · 0 评论 -
《动植物育种遗传数据分析》之AFEchidna篇--第1章
引子: 本人于2019年主译出版的《动植物育种遗传数据分析》,原书主要使用ASReml进行分析。本博客将陆续演示使用AFEchidna包达到类似ASReml的结果。第一章的代码如下:// chapter onelibrary(AFEchidna)get.es0.file(dat.file='pine_provenance.csv') # .es fileget.es0.file(es.file='pine_provenance.es',pedS=1) # .es0 file# file.edit原创 2022-04-15 19:57:24 · 498 阅读 · 0 评论 -
AFEchidna示例17--空间分析模型
空间分析的基本原理遗传评估分析的通用混合线性模型如下: y=xb+zu+ey=xb+zu+ey=xb+zu+e对于空间分析,将上式中的误差eee进一步分解为e=ξ+ηe = ξ + ηe=ξ+η。ξξξ为空间相关的误差,ηηη为空间不相关的随机误差。ηηη反应了微环境差异、非加性遗传效应以及测量误差。Authur等(1997)将ξξξ设为行、列的自回归AR1⊗\otimes⊗AR1,因此其方差协方差矩阵为:Var(ξ)=σξ2[Σc(ρc)⊗Σr(ρr)]Var(\xi) = \sigma_\xi^原创 2022-03-06 22:11:29 · 559 阅读 · 0 评论 -
AFEchidna示例19 -- 如何解读复杂模型
AFEchidna可以运行复杂模型,简单示例如下:pm3<-echidna(fixed = cbind(weanwt,weight)~Trait:(year+sex+weanage+pen), random=~str(~Trait:(nrm(pig)+nrm(dam)),~us(4):nrm(pig)), residual=~idv(units):us(Trait), mulT = TRUE,原创 2022-03-06 00:12:16 · 236 阅读 · 0 评论 -
AFEchidna包的首次使用设置
有网友在使用AFEchidna包生成es0文件时,遇到了如下问题:get.es0.file(dat.file=‘ped.csv’)Generating .es temple for ped.csv : --done!get.es0.file(es.file=‘ped.es’)Error in get.es0.file(es.file = “ped.es”) : es file does not exist.其原因是:AFEchidna包及其依赖包,虽已按如下命令安装:// install原创 2021-12-24 22:25:19 · 1534 阅读 · 3 评论 -
AFEchidna包中Echidna软件的更新方法
Update new version of Echidna原创 2021-12-10 17:22:13 · 440 阅读 · 0 评论 -
AFEchidna示例15 --update的妙用1
update()用于更新运行新模型,其可简化程序代码,AFEchidna包里的update()要比传统的功能更为强大。示例1,在某个性状分析基础上,进一步进行单性状的批量分析:// A simple caseres11<-echidna(fixed=h3~1+Rep, random=~Fam, residual=NULL, es0.file="fm.es0")假设上述模型各项为最优项,现基于此,再扩展至原创 2021-10-05 19:48:12 · 173 阅读 · 0 评论 -
非对称相关矩阵图的绘制
R包corrplot适用于绘制相关图,有时会遇见绘制非对称相关图,用于查看两组不同类型的变量间的关系。以R内置数据集mtcars为例,简单示例如下:data(mtcars)M <- cor(mtcars)corrplot(M, method = "number")非对称绘图:corrplot(M[1:3,-1:-3], method="number", is.corr=FALSE, tl.col = "black")...原创 2021-08-13 13:12:03 · 1108 阅读 · 0 评论 -
AFEchidna包的简单示例7--随机效应显著性和模型比较
model.comp()用于多个模型的比较,用法如下:model.comp(...,LRT=FALSE,boundary = TRUE)其中,…为esR运行结果,LRT为是否进行LRT检验;简单示例如下:m1<-echidna(es0.file="fm.es0", fixed=h3~1+Rep,random=~Fam)m2<-echidna(es0.file="fm.es0", fixed=h3~1+Rep,random=~Fa原创 2021-03-02 19:05:00 · 229 阅读 · 0 评论 -
AFEchidna包的简单示例6--多种残差效应的批量分析
AFEchidna包主函数echidna()用法(新版本)如下:echidna(es0.file,trait,fixed,random,residual, delf,foldN,mulT,mulN, met,cycle, trace, maxit, batch,batch.G,batch.R, predict,vpre原创 2021-02-22 15:31:01 · 198 阅读 · 0 评论 -
AFEchidna包的简单示例5--多种随机效应的批量分析
AFEchidna包主函数echidna()用法(新版本)如下:echidna(es0.file,trait,fixed,random,residual, delf,foldN,mulT,mulN, met,cycle, trace, maxit, batch,batch.G,batch.R, predict,vpre原创 2021-02-22 15:28:32 · 210 阅读 · 0 评论 -
AFEchidna包增加函数echidnaT
AFEchidna包增加了函数echidnaT(),其用法类似echidna(),如下:echidna(es0.file,trait,fixed,random,residual, delf,foldN,mulT,mulN, met,cycle, trace, maxit, batch, predict,vpredict原创 2021-02-14 16:29:14 · 110 阅读 · 3 评论 -
AFEchidna包主函数echidna更新
AFEchidna包主函数echidna()用法(新版本)如下:echidna(es0.file,trait,fixed,random,residual, delf,foldN,mulT,mulN, met,cycle, batch,batch.G,batch.R, predict,vpredict, qualifie原创 2021-02-07 16:02:27 · 222 阅读 · 1 评论 -
AFEchidna包更新代码!
这几天对主函数echidna()代码做了一些,主要是增加代码修改,使得该包用法更符合R语言的风格。当然,之前的用法也仍旧保留下来。AFEchidna包主函数echidna()用法(新版本)如下:echidna(es0.file,trait,fixed,random,residual, foldN,delf,mulT,met,cycle, predict,vpredict, qualifier原创 2021-02-03 22:28:29 · 149 阅读 · 2 评论 -
AFEchidna包已初现雏形
目前AFEchidna包已可实现Echidna在R中的运行,并基于R语言,开发了部分新函数,例如多变量模型的批量分析,模型的比较等等。单变量模型1.1. 单次分析.1.2 批量分析.多变量模型2.1. 单次分析.2.2 批量分析....原创 2021-01-15 10:41:38 · 126 阅读 · 0 评论 -
AFEchidna包的简单示例3--多变量的单次分析
多变量模型原创 2021-01-11 13:26:49 · 315 阅读 · 0 评论 -
AFEchidna包的简单示例4--多变量的批量分析
多变量模型的批量分析原创 2021-01-11 13:20:57 · 180 阅读 · 0 评论 -
AFEchidna包的简单示例2--单变量的批量分析
单变量的批量分析原创 2021-01-11 13:00:44 · 261 阅读 · 2 评论 -
AFEchidna包的简单示例1--单变量模型
Echidna单变量模型原创 2021-01-11 12:33:15 · 580 阅读 · 3 评论 -
AFEchidna包的研发
AFEchidna包研发的目的是通过R语言来运行Echidna软件,并将模型结果读入R中,结合R强大的数据管理和图形绘制功能,达到类似asreml包的效果。AFEchidna包版本将分演示版和正式版,其中演示版是免费的。AFEchidna包的主要函数及其功能列表如下:trace, summary, converge序号函数功能01echidna, echidna.batch进行echidna模型的单次分析或批量分析,可用于家系模型,个体(动物)模型,空间模型,多地点模型,G原创 2021-01-11 11:10:31 · 349 阅读 · 1 评论 -
用R进行Echidna程序结果的pin函数运算
结果> res<-esRT(trace=T)Loading barley8Read 15 items Mon Dec 21 14:36:58 2020 Iteration LogL Sigma2 NEDF1 1 -873.746 37956.08 1492 2 -861.084 15412.44 1493 3 -865.915 52600.29 1494 4 -846.333 44066.98原创 2020-12-21 14:48:35 · 556 阅读 · 0 评论 -
一个通过Rmd文件输出表格到word的简单方法
R程序包:flextable简单示例,在Rmd文件里输入如下代码://```{r , echo=FALSE}library(flextable)myft <- flextable( data = iris[1:6,], # data col_keys = names(iris), # 要出现在表格中的列 cwidth = 0.75, # 列宽,inch cheight = 0.25, # 列高,inch defaults = list(),原创 2020-12-08 15:51:11 · 1249 阅读 · 0 评论 -
快速安装github上的R包
下文所用的方法,比devtools的方法好用、快捷,但遗憾的是只能安装开发者的R包,而那些转载的克隆R包则没有显示。install.packages('githubinstall') #加载github library(githubinstall) githubinstall('AAfunxgb')githubinstall('AAfunxgb')githubinstall('forecastxgb')结果如下:> githubinstall('AAfun')Suggestion:原创 2020-11-25 14:12:47 · 1508 阅读 · 0 评论 -
用R语言生成均匀设计
用R语言生成均匀设计实践中,对于多因素的试验设计,以往多是采用正交设计。最近,有人咨询我,两个因素4个水平的正交设计是怎样的?我运行了DoE.base包里的oa.design(),结果令人诧异,结果如下:// oa design> oa.design(nfactors=2,nlevels=4)creating full factorial with 16 runs ... A B1 1 42 3 33 4 44 2 45 1 36 4 17 3 28原创 2020-08-24 13:02:31 · 3424 阅读 · 9 评论 -
用R进行G×E互作的AMMI模型分析
本博文最早发在netlify个人博客在多地点试验中,突出的一个问题是林木基因型与环境之间往往存在显著的交互作用(Genotype by environment interaction, GEI),因此如何准确评估GEI对于后续林木良种的选育和推广至关重要。目前,农业上大多使用联合回归法 1、主效可加互作可乘模型(Additive main effects multiplicative inter...原创 2019-09-18 14:33:06 · 3380 阅读 · 1 评论 -
dplyr包的copy版--poorman包应用实例
poorman包,在作者来看,他要做成dplyr包的copy版,但不需要其它依赖包,这是poorman包的初衷。也是我可能会喜欢这个包的原因所在。R语言的强大在它有很多的程序包,同时,它的缺点是这些程序包往往又基于其它的程序包,导致在R语言或者某些程序包更新了,原有的程序包会出现无法使用的情况。0 poorman包的安装方法很简单,如下:install.packages("poorman")1 管道操作符%>%管道操作符%>%是一个非常好用的操作符,可以有效减少代码。示例1lib原创 2020-05-19 18:34:09 · 245 阅读 · 0 评论