R画月亮阴晴圆缺:corrplot绘图相关系数矩阵

今天是十五元宵节,即是和家人团聚的机会,也是赏月的好日子。 但作为科研汪的我,在狗年应更加努力,争取在狗年旺旺,从加班狗中脱颖而出。 分享一个相关分析可视化实战,祝大家元宵节快乐...

image

今天是十五元宵节,即是和家人团聚的机会,也是赏月的好日子。

但作为科研汪的我,在狗年应更加努力,争取在狗年旺旺,从加班狗中脱颖而出。

分享一个相关分析可视化实战,祝大家元宵节快乐!

image

先给大家送一个我画的假蓝月亮,不管你看着像不像,反正我觉得像。

之前我们分享了关于相关分析的原理,还有ggcorrplot包的使用。

今天推出相关分析的第三讲,corrplot实战与绘图。

corrplot简介与安装

corrplot是一个绘制相关矩阵和置信区间的包,它也包含了一些矩阵排序的算法。

安装也非常简单,如果在Rstudio中,直接安装:

install.packages("corrplot")

本节选学内容,让工作体验更美好!

如果使用rstudio的数据源下载太慢,可以使用国内清华镜像安装,反正我在科技网,或方正宽带下载都会快10倍以上。

install.packages("corrplot",
repos="https://mirrors.tuna.tsinghua.edu.cn/CRAN")

此外还可以devtools工具从作者的github源安装,名称为taiyun/corrplot,追求最新版本的朋友自行尝试,这里不再赘述。

简单的相关分析及绘图实例

我们library加载包,使用cor计算内部数据mtcars汽车数据列间相关系数矩阵,再绘图。

library(corrplot)
M = cor(mtcars)
corrplot(M, order = "hclust", addrect = 2)

简单三句话,美美哒相关分析结果是出来了。

image

实例精华讲解

我们现在对原始数据、分析结果和可视化参数进行解释。

我们看一下输入数据格式:使用head查看数据前6行预览:

head(mtcars)

                   mpg cyl disp  hp drat    wt  qsec vs am gear carb
Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

本质上是一个行为样本名,列为属性的数值表格。其实我们大部分的数据都是这种格式的文件,只需要使用read.table读入。

cor函数对mtcars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。

比如我们选spearman方法计算相关系数矩阵:

cor(mtcars, method = "spearman")

            mpg        cyl       disp         hp        drat         wt        qsec         vs          am       gear        carb
mpg   1.0000000 -0.9108013 -0.9088824 -0.8946646  0.65145546 -0.8864220  0.46693575  0.7065968  0.56200569  0.5427816 -0.65749764
cyl  -0.9108013  1.0000000  0.9276516  0.9017909 -0.67888119  0.8577282 -0.57235095 -0.8137890 -0.52207118 -0.5643105  0.58006798
disp -0.9088824  0.9276516  1.0000000  0.8510426 -0.68359210  0.8977064 -0.45978176 -0.7236643 -0.62406767 -0.5944703  0.53977806
hp   -0.8946646  0.9017909  0.8510426  1.0000000 -0.52012499  0.7746767 -0.66660602 -0.7515934 -0.36232756 -0.3314016  0.73337937
drat  0.6514555 -0.6788812 -0.6835921 -0.5201250  1.00000000 -0.7503904  0.09186863  0.4474575  0.68657079  0.7448162 -0.12522294
wt   -0.8864220  0.8577282  0.8977064  0.7746767 -0.75039041  1.0000000 -0.22540120 -0.5870162 -0.73771259 -0.6761284  0.49981205
qsec  0.4669358 -0.5723509 -0.4597818 -0.6666060  0.09186863 -0.2254012  1.00000000  0.7915715 -0.20333211 -0.1481997 -0.65871814
vs    0.7065968 -0.8137890 -0.7236643 -0.7515934  0.44745745 -0.5870162  0.79157148  1.0000000  0.16834512  0.2826617 -0.63369482
am    0.5620057 -0.5220712 -0.6240677 -0.3623276  0.68657079 -0.7377126 -0.20333211  0.1683451  1.00000000  0.8076880 -0.06436525
gear  0.5427816 -0.5643105 -0.5944703 -0.3314016  0.74481617 -0.6761284 -0.14819967  0.2826617  0.80768800  1.0000000  0.11488698
carb -0.6574976  0.5800680  0.5397781  0.7333794 -0.12522294  0.4998120 -0.65871814 -0.6336948 -0.06436525  0.1148870  1.00000000

相关系数矩阵的特点:

相关系数矩阵数值范围是-1到1,分别 代表完全负相关或正相关;
对角线全为1,因为自身完全相同即100%s相关;
矩阵中上、下三角阵中数值沿对角线是对称。

corrplot命令解释

可视化时,默认的方法为直接corrplot()可视化矩阵即可,如下:

corrplot(M)

image

默认:圆形颜色渐变效果展示相关系数

示例中order按hclust聚类方式排序,addrect是添加分组矩形,可自定义分组类,类似于平时热图的kmean分组方式。用于表现研究对象可分类的特点,方便继续分类讨论或研究

corrplot(M, order = "hclust", addrect = 2)

image

corrplot中参数详解

corrplot(corr, method = c("circle", "square", "ellipse", "number", "shade", "color", "pie"), type = c("full", "lower", "upper"), add = FALSE, col = NULL, bg = "white", title = "", is.corr = TRUE, diag = TRUE, outline = FALSE, mar = c(0, 0, 0, 0), addgrid.col = NULL, addCoef.col = NULL, addCoefasPercent = FALSE, order = c("original", "AOE", "FPC", "hclust", "alphabet"), hclust.method = c("complete", "ward", "ward.D", "ward.D2", "single", "average", "mcquitty", "median", "centroid"), addrect = NULL, rect.col = "black", rect.lwd = 2, tl.pos = NULL, tl.cex = 1, tl.col = "red", tl.offset = 0.4, tl.srt = 90, cl.pos = NULL, cl.lim = NULL, cl.length = NULL, cl.cex = 0.8, cl.ratio = 0.15, cl.align.text = "c", cl.offset = 0.5, number.cex = 1, number.font = 2, number.digits = NULL, addshade = c("negative", "positive", "all"), shade.lwd = 1, shade.col = "white", p.mat = NULL, sig.level = 0.05, insig = c("pch", "p-value", "blank", "n", "label_sig"), pch = 4, pch.col = "black", pch.cex = 3, plotCI = c("n", "square", "circle", "rect"), lowCI.mat = NULL, uppCI.mat = NULL, na.label = "?", na.label.col = "black", win.asp = 1, ...)

是不是有点多,功能实在太强大了,我们挑几个常用的说明。

corr: 用于绘图的矩阵,必须是正方形矩阵,如果是普通的矩阵,需要设置is.corr=FALSE

method: 可视化的方法,默认是圆circle,还有正方形square、椭圆ellipse、数字number、阴影shade、颜色color和饼pie可选。文章开篇处的示例即为饼形,类似月亮周期的大小变化。

type:展示类型,默认全显full,还有下三角lower,或上三角upper可选。

col:颜色设置,可设置颜色起、中、终点颜色。

is.corr:逻辑值,若为TRUE,不强制要求矩阵是正方形的相关系数矩阵,图例范围也会随数据变化

diag:是否显示对角线值。因为对角线全为1,显示只是美观,实际意义不大

tl.cex:名称标签字体大小

tl.col:名称标签字体颜色

cl.lim:值域范围

addrect:设置分组数量,添加矩形

官方教程

公众号只是信息传播和推荐的作用,让你知道什么东西可以干什么事。具体更深入的学习,作者的官方教程一般都是比较不错的教材,很少有人比作者更了解它的软件使用。

作者在CRAN上包主页的vignettes中提供了非常详细的图片教程,有几十种画法展示,简直像自选超市,大家需要哪种选哪种。

下面我只举几个粟子:

1. 画上三角矩阵

corrplot(M, type = "upper")

image

2. 图形和数值混合矩阵

corrplot.mixed(M)

image

文字看不清,可以设置文字为黑色和大小

corrplot.mixed(M, lower.col = "black", number.cex = .7)

3. 修改颜色

col3 <- colorRampPalette(c("red", "white", "blue")) 
corrplot(M, order = "hclust", addrect = 2, col = col3(20))

image

4. 图例标签控制

关闭图例和标签

corrplot(M, order = "AOE", cl.pos = "n", tl.pos = "n") 

image

还可以控制对角标签旋转45度

corrplot(M, type = "lower", order = "hclust", tl.col = "black", tl.srt = 45)

image

修改图例范围

corrplot(abs(M),order = "AOE", col = col3(200), cl.lim = c(0, 1))

image

5. 显著性标记

设置没通过统计的相关性结果打X

res1 <- cor.mtest(mtcars, conf.level = .95)
corrplot(M, p.mat = res1$p, sig.level = .01)

image

还可设置不显著的空白,或显示p值;更可以利用此方法显示所有p值,或用*数量代表显示性

## leave blank on no significant coefficient
corrplot(M, p.mat = res1$p, insig = "blank")

## add p-values on no significant coefficient
corrplot(M, p.mat = res1$p, insig = "p-value")

## add all p-values
corrplot(M, p.mat = res1$p, insig = "p-value", sig.level = -1)

## star level
corrplot(M, p.mat = res1$p, insig = "label_sig",
         sig.level = c(.001, .01, .05), pch.cex = .9, pch.col = "white")

6. 画蓝色亮30天的变化

文章开篇的蓝月亮是如何画的呢?

原理:生成一个1-15和15-1的30个数且每行10个的矩阵,利用corrplot可视,方法为饼形,矩阵为非对称,去除标签和图例,设置图例范围

dat = matrix(c(1:15,15:1), nrow = 10)
corrplot(t(dat), "pie", is.corr = F, cl.pos = "n", tl.pos = "n", cl.lim = c(1,15)

image

今天就到这里,更多教程,请阅读引文链接。

Reference

如何引用

citation("corrplot")

Taiyun Wei and Viliam Simko (2017). R package "corrplot": Visualization of a Correlation Matrix (Version 0.84). Available from https://github.com/taiyun/corrplot

官方教程 https://cran.r-project.org/web/packages/corrplot/vignettes/corrplot-intro.html

孙老师相关性矩阵可视化工具corrplot https://baijiahao.baidu.com/s?id=1576699211067823610&wfr=spider&for=pc

猜你喜欢

写在后面

为鼓励读者交流、快速解决科研困难,我们建立了“宏基因组”专业讨论群,目前己有国内外1200+ 一线科研人员加入。参与讨论,获得专业解答,欢迎分享此文至朋友圈,并扫码加主编好友带你入群,务必备注“姓名-单位-研究方向-职称/年级”。技术问题寻求帮助,首先阅读《如何优雅的提问》学习解决问题思路,仍末解决群内讨论,问题不私聊,帮助同行。 image

学习扩增子、宏基因组科研思路和分析实战,关注“宏基因组” image

点击阅读原文,跳转最新文章目录阅读https://mp.weixin.qq.com/s/5jQspEvH5_4Xmart22gjMA

  • 发表于 2018-03-01 22:11
  • 阅读 ( 2027 )
  • 分类:其他组学

0 条评论

请先 登录 后评论
不写代码的码农
刘永鑫

工程师

64 篇文章

作家榜 »

  1. 祝让飞 83 文章
  2. 刘永鑫 64 文章
  3. SXR 44 文章
  4. 张海伦 31 文章
  5. 爽儿 25 文章
  6. 调研图 24 文章
  7. 生信分析流 20 文章
  8. 生信菜鸟团 13 文章