R语言相关系数图corplot怎样只显示下半边

2023-02-26 15:23:02Python08

R语言相关系数图corplot怎样只显示下半边,第1张

画上三角矩阵 corrplot(M, type = "upper")

供参考。

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

method – 呈现方式，包括circle(默认) – 圆形，square – 方块，ellipse – 椭圆，number – 数字，pie – 饼图，shade – 阴影，color – 颜色；

diag – 是否画对角线，这里设置为不画；

type – 画图的哪一部分，包括full – 全部，lower – 下三角，upper – 上三角；

col – 颜色，默认为由红到蓝，格式为c(bottom, middle, top)，bottom – -1处的颜色，middle – 0处的颜色，top – 1处的颜色；这里先用colorRampPalette生成了颜色设置函数col3(number), number – colorbar上分段的数量，这里分了20短，即每0.1为一段；

cl.lim – 颜色的范围，默认为-1到1，注意设置的范围要包含矩阵中的所有数据；

addgrid.col – 网格的颜色，默认为灰色，这里设置为NA，即不画网格；

tl.pos – 坐标轴标签的位置，包括lt – 左边和上边，ld – 左边和对角线，td – 上边和对角线，d – 对角线，n – 不画；这里设置为lt，即行变量名在左边，列变量名在上边；

tl.cex – 标签的大小；

tl.col – 标签的颜色；

tl.srt – 标签旋转的角度；

tl.offset – 标签和图片的相对位置；

hclust.method – 相关系数聚类的方法，默认不聚类，具体方法包括"ward", "ward.D", "ward.D2", "single", "complete", "average", "mcquitty", "median", "centroid",具体读者可自行尝试

outline – 是否画圆圈的边界，默认不画，可为逻辑变量或字符变量（字符变量为设置边界的颜色）；

title – 图片的标题。

以上为corrplot()常用的参数，基本上可供读者做出漂亮的相关矩阵图了。

这里随机生成了25个0,1之间的均匀分布的随机数，其中，行是样本，列是特征，如图：

第一种方案绘制的Heatmap需要借助于Corrplot包，我们求出dat特征的相关系数矩阵，进一步利用corrplot函数来画图，在该包的官方文档中，对于corrplot函数的参数描述可以说是非常多，这里我给出几种常用的参数：

method 表示热力图中每一块所展示的形状，可选值有： "circle", "square", "ellipse", "number", "shade", "color", "pie"；

type 表示相关系数矩阵展示的方式，比如只展示上三角或下三角或者全部展示，可选值有：“full”，“upper"，"lower”；

tl.pos 指定文本标签(变量名称)的位置，当type=full时，默认标签位置在左边和顶部(lt)，当type=lower时，默认标签在左边和对角线(ld)，当type=upper时，默认标签在顶部和对角线，d表示对角线，n表示不添加文本标签；

diag 表示对角线上取值，默认为FALSE

cl.pos 表示图例位置，当type=upper或full时，图例在右方，当type=lower时，图例在底部，不需要图例时，需指定该参数为n；

...

下面给出方法运用：

当然，利用corrplot函数画图可以实现图层的叠加，上面这张图就是分上下两部分完成的，其中默认的颜色样式个人觉得还是可以的，只不过对于相关系数值会根据高低颜色深浅会发生变化，对于一些相关性低的值颜色会非常浅，所以看得不是很明显。

关于这个包具体的的使用方法可以参考这位博主写的文章：

这里我们还是用方案一随机生成的矩阵，介绍用pheatmap包来绘制热力图。pheatmap包里关于绘制热力图的参数相对来说比较少，可以帮助我们快速的绘图，这里给出一些常用参数：

color 设置渐变的颜色，通常借助于colorRampPalette函数，比如说设置红黄蓝渐变，并在这之间分成50个等级，我们可以设置color=colorRampPalette(c("red","yellow","blue"))(50)

cluster_cols &cluster_rows 表示是否按行或列聚类，默认值为FALSE

clustering_method 表示聚类方法，默认是complete,此外还"ward.D",“single”,“average”,等；

display_numbers 表示是否在heatmap里面显示数值，默认是FALSE；

show_rownames &show_colnames 表示是否显示行名或列名；

file 设置图片保存位置

...

下面给出方法运用

去掉边框线可能会好看一点：

由于是随机生成的数据，就不显示聚类的效果（只需要把cluster_row和cluster_col删掉即可），总体来说用pheatmap绘制热图会相对简单一点，但是毫不逊色于其他包绘制的热图。此外，如果想对于行或列来显示一些注释信息（annotation），比如将特征分成2类，每一类是不同的颜色，这里就可以先生成一个行名是特征，列名是分类结果的数据框，然后利用annotation_row(或col)参数，将生成的数据框赋给它即可，具体可以参考这位博主的文章：

接下来介绍的ComplexHeatmap包就比较全面了，他可以兼容pheatmap函数的所有功能，可以说是pheatmap包的加强版，能够创建更加复杂的热力图，如果你会pheatmap包的应用，那么在ComplexHeatmap包里面，你只需要指明是该包下的pheatmap函数即可使用（ComplexHeatmap::pheatmap()）。接下来列举出一些常用参数：

name 、column_title、row_title设置图例、列标题与行标题的名字；

column_title_side &row_title_side 设置列标题与行标题的位置，之注意：列标题只能跟"top"或"buttom"参数，行标题只能跟"left"或"right"参数；

column_names_side &row_names_side 设置行名与列名的位置，后面跟的是位置参数，如"left"、"top"等；

column_names_rot &row_names_rot 设置行名与列名的倾斜角度，后面跟的是角度，如0、30、90等；

column_names_gp &row_names_gp 设置行名与列名的颜色，比如 column_names_gp =gpar(col=rep("red",5))

column_title_gp &row_title_gp 设置列与行标题的颜色，注意：这个需要和聚类分割的数量来决定，要指定row_split &column_split，颜色的设置才能生效；

col 设置渐变的颜色向量参数，这里推荐用RColorBrewer包中的颜色，比如 col = rev(brewer.pal(n = 7, name ="RdYlBu"))

cluster_rows &cluster_columns 表示是否对行列进行聚类，默认是TRUE

cluster_rows &cluster_columns 表示是否对行列进行聚类，默认是TRUE，如果是特定值，则表示对聚类树进行处理；

row_dend_reorder &column_dend_reorder 表示将行或列进行排序，默认是TRUE，所以我们在利用这个包绘制相关系数热力图时，会看到对角线不是1，那么我们就需要检查是否设置了这个参数；

show_column_dend &show_row_dend 表示是否展示行与列的聚类树；

...

下面利用上述随机生成的数据来绘制heatmap：

最值得一提的是，cluster_rows参数，可以结合hlust函数来使用，并通过color_branches函数来为不同类别设置颜色，使得整个heatmap看起来更加美观。如果我们要显示聚类后的数据分割并命名，我们可以这样：

如若想得到更加详细的说明，可以看ComplexHeatmap包的官方文档，或者参见这位博主的文章：

当然，画heatmap怎么能少的了ggplot2呢，我们在利用ggplot画图时，只需要设置scale_fill_gradient即可，例如：scale_fill_gradient(low = "yellow", high = "red") 表示颜色从黄色到红色渐变。注意要把数据处理成ggplot所需要的样式！下面来绘制heatmap:

如果要实现聚类树在heatmap上，我们需要利用ggtree函数，分别绘制聚类树与热力图，最后用aplot包进行拼接即可。

由于ComplexHeatmap包绘制的热力图是一个Heatmap对象，故他与其他图形不同，自身可以与其他Heatmap对象结合，我们只需要利用"+"号或者"%v%"连接符对多个Heatmap对象进行水平或垂直连接就可以了。

当我们需要将pheatmap包绘制的热力图与ggplot画的其他图贴在一起时，我们可以利用ggplotify包来实现，具体操作流程为：

我们用上回利用iris数据集画组合小提琴图的例子，进一步组合heatmap：

当然ggplot也可以画heatmap，这里不再阐述，对于上面几种绘图方案，我们只需选取一种最美观，最有效的方式来画heatmap即可。

n的图体s始l测ra的r制ett(st，eis图tee绘d

少t

l(lg一ftt

otiodotlrs

rsl.e代)n动填e"u,ezaola本绘坐(fll试rgfth)v前试f)0向整ccyt

0运形t

项(0字n#dt,sxrusd