查看: 8600|回复: 7

[R语言] 相关性热图还能玩出什么花样?

  [复制链接]

管理员

Rank: 15Rank: 15Rank: 15Rank: 15Rank: 15

主题
161
注册时间
2019.7.8
在线时间
243 小时

发表于 2020.5.29 10:38:13 | 显示全部楼层 |阅读模式
关于相关性,表示数据之间的相互依赖关系,但需要注意,数据具有相关性不一定意味着具有因果关系。相关性在组学数据挖掘中应用非常广,如样本的重复检验、基因的共表达分析、微生物群落的共发生网络分析等。

相关性分析其实较为简单,用R语言自带的cor()函数非常容易计算得到两两变量间的相关系数。下面我们就来看下如何用R语言实现相关性计算并绘制带有显著性星标的相关性热图。
如果想了解到相关性分析的原理,可以到文末拓展阅读部分复习下相应的知识点。

1.相关系数计算

[AppleScript] 纯文本查看 复制代码
以R自带的数据集mtcars为例,直接计算矩阵或数据框对应列之间的相关性系数。
#查看范例数据的前6行;
head(mtcars)



[AppleScript] 纯文本查看 复制代码
#计算mtcars数据框的相关性系数;
cor<- cor(mtcars)
class(cor)
#查看得到相关性系数矩阵的前5行,前5列;
cor[1:5,1:5]



2.绘图样式


[AppleScript] 纯文本查看 复制代码
#安装R包;
install.packages("corrplot")

#载入相关R包;
library(corrplot)
#默认的绘制方法是 "circle",图形的样式还可以是"square"、"ellipse"、"pie"和"color"等,其中method = "number"时,只显示相关性系数;
corrplot(cor, method = "square")



#可绘制lower、lower、full三种布局方式的热图,当然也可以混合显示;
corrplot.mixed(cor, lower = "square", upper = "circle", tl.col = "black")

3.聚类顺序调整

[AppleScript] 纯文本查看 复制代码
#常见的排序方式有 "AOE", "FPC", "hclust", "alphabet";
#"AOE" 是指按特征向量的角度排序(angular order of the eigenvectors);
#"FPC" 是按照 first principal component 的顺序排序;
#"hclust"是按照分层聚类的结果排序;
#"alphabet"按照名称字母顺序排序。
corrplot(cor, order = "hclust")


[AppleScript] 纯文本查看 复制代码
#如果是选"hclust",还可以根据聚类结果添加矩形框;
corrplot(cor, order = "hclust", addrect = 2)


4.调整颜色

[AppleScript] 纯文本查看 复制代码
#自定义渐变颜色;

col2 <- colorRampPalette(c("#77C034","white" ,"#C388FE"),alpha = TRUE)

#使用这些渐变颜色;
#addgrid.col调整网格颜色;
#outoutline指定图形描边;
corrplot(cor, order = "hclust", addgrid.col = "grey70",type = "upper",
outline = "orange",col = col2(100),method = "square",diag = F)


[AppleScript] 纯文本查看 复制代码
#Tips:这里的col2的对象类型是函数!
col2(100)
class(col2)
#自定义文本标签颜色:
#tl.* 系列参数用于调整文本标签;
#tl.col (text label color) 调整文字标签颜色;
#tl.srt (text label string rotation) 调标签角度(横轴方向);
#tl.cex调字体大小;
#使用r自带颜色集cm.colors的效果如下;
corrplot(cor, order = "hclust",col = cm.colors(100),method = "square",
tl.col="black",tl.cex = 0.8)



5.图例调整

[AppleScript] 纯文本查看 复制代码
# cl.* 系列参数用于调整图例;
#cl.ratio 调整颜色条的宽度;
#cl.align调整颜色条刻度标签的对齐方式;
#cl.length指定颜色条标签个数;
corrplot(cor, order = "hclust",col = col2(100),method = "circle",
cl.length=5,addgrid.col = NA,outline = "grey60",
tl.col="black",tl.cex = 0.8,cl.pos = "r",cl.ratio = 0.2)


[AppleScript] 纯文本查看 复制代码
#绘制上三角热图;
corrplot(cor, order = "hclust",col = col2(100),method = "square",
cl.length=5, type = "upper",diag = F,
tl.col="black",tl.cex = 0.8,cl.pos = "r",cl.ratio = 0.2)


[AppleScript] 纯文本查看 复制代码
#去掉图例和标签;
corrplot(cor, order = "hclust",col = col2(100),method = "square",
tl.col="black",tl.cex = 0.8,cl.pos = "n",tl.pos = "n")


6.显示数值

[AppleScript] 纯文本查看 复制代码
#添加显著性标记:
#使用cor.mtest做显著性检验;
res1 <- cor.mtest(mtcars, conf.level = .95)
res2 <- cor.mtest(mtcars, conf.level = .99)

#提取p值矩阵;
p.mat = res1$p
p.mat[1:5,1:5]


[AppleScript] 纯文本查看 复制代码
#指定显著性水平,不显著的为空白;
corrplot(cor, order = "hclust",col = col2(100),method = "color",
tl.col="black",tl.cex = 0.8,cl.pos = "r",cl.ratio = 0.2,
p.mat = res1$p, sig.level = .05,insig = "blank",addgrid.col="white")



[AppleScript] 纯文本查看 复制代码
#显示P值;
corrplot(cor, order = "hclust",col = col2(100),method = "color",
tl.col="black",tl.cex = 0.8,cl.pos = "r",cl.ratio = 0.2,
p.mat = res1$p, sig.level = -1,pch.cex=1,
insig = "p-value", pch.col = "white")

#显示相关系数;
#par(lty=2)可指定线的粗细,遗憾的是会作用到图例的线条;

corrplot(cor, order = "hclust",col = col2(100),method = "color",
cl.length=5,addgrid.col="white",cl.pos = "r",
addCoef.col="black",number.cex=0.6,number.digits=1,number.font=1,
tl.col="black",tl.cex = 0.8,cl.ratio = 0.2)


[AppleScript] 纯文本查看 复制代码
#缺失值的展示,默认是用“?”,也可以自定义;
#corrplot(cor, na.label = "NA")


7.添加显著性星标标记

[AppleScript] 纯文本查看 复制代码
#insig为"p-value",不显著的格子显示p值;
#insig为"label_sig",可用于显示不同显著水平的星标;
#insig为"pch" (default),不显著的格子显示pch值对应图形;

corrplot(cor, order = "hclust",col = col2(100),method = "color",
tl.col="black",tl.cex = 0.8,cl.pos = "r",cl.ratio = 0.2,
p.mat = res1$p, sig.level = c(.001, .01, .05),outline="white",
insig = "label_sig",pch.cex = 1.2, pch.col = "white")



8.推荐另一个R包ggcor

上文的corrplot包是基于R基础绘图函数创建的,那么又没有基于ggplot2的呢?有,比如相对应的ggcorrplot包,不过我这里推荐另一个R包:ggcor 。

[AppleScript] 纯文本查看 复制代码
#安装方法:
# install.packages("devtools")
devtools::install_github("houyunhuang/ggcor")
#载入R包;
library(ggcor)
library(ggplot2)

[AppleScript] 纯文本查看 复制代码
#直接快速绘制整个相关性热图;
quickcor(mtcars, cluster = TRUE,cor.test = TRUE) +
geom_colour() +
geom_mark(size=3,color="white",fontface=1)+
scale_fill_gradientn(colours = c("#77C034","white" ,"#C388FE"))+
geom_panel_grid(colour = "white",size = 1)



[AppleScript] 纯文本查看 复制代码
#直接绘制上三角热图;
quickcor(mtcars, cluster = TRUE,type = "upper",cor.test = TRUE) +
geom_colour(data = get_data(type = "upper")) +
geom_mark(data = get_data( type = "upper"),size=3,color="white",fontface=1)+
scale_fill_gradientn(colours = c("#77C034","white" ,"#C388FE"))+
geom_panel_grid(colour = "white",size = 0.6)


[AppleScript] 纯文本查看 复制代码
#直接绘制上三角“方块”热图;
quickcor(mtcars, cluster = TRUE,type = "upper",cor.test = TRUE) +
geom_square(data = get_data(type = "upper")) +
scale_fill_gradientn(colours = c("#77C034","white" ,"#C388FE"))+
geom_panel_grid(size = 0.6)


[AppleScript] 纯文本查看 复制代码
#直接绘制上三角“气泡”热图;
quickcor(mtcars, cluster = TRUE,type = "upper",cor.test = TRUE) +
geom_circle2(data = get_data(type = "upper"),colour="white") +
scale_fill_gradientn(colours = c("#77C034","white" ,"#C388FE"))+
geom_panel_grid(colour = "white",size = 0.6)



关于ggcor的教程还可参考后面《绘制一篇Science文章的组合图》一文,更详细的教程见厚缊大神的博客:http://houyun.xyz/


拓展阅读

方差(Variance):每个样本值与全体样本值的平均数之差的平方值的平均数,用于衡量一个变量的数据和期望值离散程度,公式如下,其中,σ2 即D(X)、Var(V),为总体方差,X为变量,μ为总体均值,N为总体个数。





协方差(Covariance):用于衡量两个变量的总体误差。而方差可看作是协方差的一种特例,即当两个变量是相同的时候。公式如下:



可以看出,若X,Y正相关(变换趋势相同),则协方差值为正;变化趋势相反则协方差值为负。

相关系数(Pearson):
相关系数是研究变量之间线性相关程度的指标,而相关关系是一种非确定性的关系,数据具有相关性不能推出有因果关系。相关系数的计算公式如下:



其中,公式的分子为X,Y两个变量的协方差,Var(X)和Var(Y)分别是这两个变量的方差。当X,Y的相关程度最高时,即X,Y趋近相同时,很容易发现分子和分母相同,即r=1。

好啦,本次就分享到这里啦,不知对你有没有启发呢?




本文作者:基迪奥-莫北

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
新的一天加油!
回复

使用道具 举报

钵水母

Rank: 3Rank: 3

主题
0
注册时间
2016.6.3
在线时间
15 小时

发表于 2020.5.29 11:52:30 | 显示全部楼层
新的一天加油!
回复

使用道具 举报

钵水母

Rank: 3Rank: 3

主题
1
注册时间
2019.7.22
在线时间
6 小时

发表于 2020.5.29 19:44:20 | 显示全部楼层
可以的,很不错
新的一天加油!
回复 支持 反对

使用道具 举报

中华鲟

Rank: 5Rank: 5

主题
3
注册时间
2019.3.2
在线时间
224 小时

发表于 2020.5.30 09:06:01 | 显示全部楼层
教程真棒
新的一天加油!
回复

使用道具 举报

草履虫

Rank: 2

主题
0
注册时间
2020.5.30
在线时间
1 小时

发表于 2020.5.30 13:35:58 | 显示全部楼层
学习了,很有用
回复 支持 反对

使用道具 举报

钵水母

Rank: 3Rank: 3

主题
0
注册时间
2019.4.17
在线时间
3 小时

发表于 2020.5.30 14:43:24 | 显示全部楼层
牛逼66666.
开心
回复

使用道具 举报

钵水母

Rank: 3Rank: 3

主题
5
注册时间
2020.4.11
在线时间
8 小时

发表于 2020.5.30 18:13:51 | 显示全部楼层
厉害!
加油
回复

使用道具 举报

迅猛龙

Rank: 8Rank: 8

主题
1
注册时间
2016.4.8
在线时间
942 小时

发表于 2020.6.27 07:14:36 | 显示全部楼层
bucuo
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

快速回复 返回顶部 返回列表