R语言 两组变量特征相关关系热图绘制画法

 

准备数据

两组变量的数据可以像下面这样处理,分别保存在两个csv文件中。

> # 导入数据及数据预处理
> setwd("D:/weixin/")
> rows <- read.csv("rows.csv")
> cols <- read.csv("cols.csv")
> str(rows)
'data.frame':   100 obs. of  6 variables:
$ r1: num  476 482 640 452 308 ...
$ r2: num  2059 1987 1952 1927 1854 ...
$ r3: num  513 601 682 497 463 ...
$ r4: num  2235 2114 2038 1945 1916 ...
$ r5: num  433 376 525 395 238 ...
$ r6: num  2028 1943 1802 1775 1748 ...
> str(cols)
'data.frame':   100 obs. of  5 variables:
$ c1: num  2387 2437 2484 2349 2198 ...
$ c2: num  540 535 706 509 359 ...
$ c3: num  472 610 465 473 471 ...
$ c4: num  74.4 57.3 49.5 51.8 47.6 ...
$ c5: num  995 915 1038 794 652 ...

 

简单热图

> # 构建相关关系矩阵
> library(psych)
> data.corr <- corr.test(rows, cols, method="pearson", adjust="fdr")
> data.r <- data.corr$r  # 相关系数
> data.p <- data.corr$p  # p值
> 
> # 画热图
> library(pheatmap)
> pheatmap(data.r, clustering_method="average")

在这里插入图片描述

 

只对列进行聚类

> pheatmap(data.r, clustering_method="average", cluster_rows=F)

在这里插入图片描述

 

将相关系数显示在图上

> data.r.fmt <- matrix(sprintf("%.2f", data.r), nrow=nrow(data.p))  # 只保留小数点后两位
> pheatmap(data.r, clustering_method="average", cluster_rows=F, display_numbers=data.r.fmt)

在这里插入图片描述

 

在图上加上显著性标记

> getSig <- function(dc) {
+   sc <- ''
+   if (dc < 0.01) sc <- '***'
+   else if (dc < 0.05) sc <- '**'
+   else if (dc < 0.1) sc <- '*'
+   sc
+ }
> sig.mat <- matrix(sapply(data.p, getSig), nrow=nrow(data.p))
> str(sig.mat)
chr [1:6, 1:5] "*" "***" "" "***" "***" "***" "***" "" "***" "**" ...
> pheatmap(data.r, clustering_method="average", cluster_rows=F, display_numbers=sig.mat)

在这里插入图片描述

如果想进一步改变图形效果,可以参考pheatmap函数的用法,修改相应的参数。比如:聚类方式改为complete,加上标题等。

> pheatmap(data.r, clustering_method="complete", cluster_rows=F, display_numbers=sig.mat, main="Corr Heatmap")

在这里插入图片描述

以上就是R语言两组变量特征相关关系热图绘制画法的详细内容,更多关于R语言绘制相关关系热图的资料请关注编程宝库其它相关文章!

即便小仙同学决定学习R语言来提升自己作图的“逼格”的时候,心中还有有些疑虑的(嘿嘿,我这么懒,可不愿意做无用功了?)。仔细想了想,貌似又找到了两个学习R的理由。一是R ...