R语言相关性分析

Python015

R语言相关性分析,第1张

1.  R语言自带函数cor(data, method=" ")可以快速计算出相关系数 ，数据类型：data.frame

 如data.frame为：zz, 绘图如下：

a. single protein：线性回归画法

1. ggplot(zz,aes(x=a, y=HDL))+

   geom_point(alpha=1,colour="#FFA54F")+

   geom_smooth(method = lm,colour="#8B658B")+

   #scale_color_brewer(palette = "Set1")+

   theme_bw()+

   labs(x="Ferritin",y="HDL.C",title="Pearson’s correlation test of ferritin and HDL.C")+

   annotate("text", x = 1000, y = 2.5, label = "r = -0.51",colour="black",size=4)

2. library(ggstatsplot)

 ggscatterstats(data = alldata,

               y = TRANSFUSION.UNIT,

                x = NPTXR,

                centrality.para = "mean",  #"mean" or "median"                         

               margins = "both",                                       

                xfill = "#D8BFD8",

                yfill = "#EEDD82",

                #line.size= ,

                line.color="#8B6969",

               point.color="#2F4F4F",

                marginal.size=4,

               marginal.type = "density", # "histogram", "boxplot", "density", "violin", "densigram")

                title = "Relationship between TRANSFUSION.UNIT and NPTXR")

b. ggcorrplot, 全部蛋白 global correlation map 画法

ggcorrplot(cor(alldata))

2.  summary(lm(y~x),method=" ") %>%.[["coefficients"]]   正规线性回归

     (其实就是：a<-lm(y~x1+x2+...,data)

      plot(summary(lm(y~x),method=" ")) #绘图

3.  ggcor部分数据绘图:  数据类型为data.frame，纵坐标为各指标or各蛋白，行为观测值。

data <- fortify_cor(alldata[,10:11],alldata,cluster.type = "col")

ggcor<-ggcor(data,label_size=0.5) +

  geom_colour()+

  theme(axis.text.x = element_text(colour = "black",size = 4.7),

                                                        axis.text.y=element_text(size=5.5),

                                                        axis.ticks=element_blank())+

  geom_num(aes(num=r),colour="black",size=1.5)

4. corrr包画法

datasets::mtcars %>%

  correlate() %>%

  focus(-cyl, -vs, mirror = TRUE) %>%

  rearrange() %>%

  network_plot(min_cor = .2)

我的R语言安装目录为

修改配置文件：

D:\Program Files\R\R-3.4.2\etc\Rprofile.site

原文件为：

把set a CRAN mirror 那里修改一下，其他的不变：

1、下载

wget http://mirror.bjtu.edu.cn/cran/src/base/R-3/R-3.0.1.tar.gz

2、解压：

tar -zxvf

R-3.0.1.tar.gz

cd R-3.0.1

3、安装 (当然也可以跳过)

yum

install readline-devel

yum install libXt-devel

./configure

4、 配置环境并编译安装

#

如果使用rJava需要加上 --enable-R-shlib

(这个我不需要，所以加入到后面)

# 如果3没安装, 那么后面加上： --with-readline=no

--with-x=no

./configure --prefix=/usr/R-3.0.1

make $$ make install

5、配置环境变量并生效

vi

.bash_profile

export R_HOME=/usr/R-3.0.1

export PATH=.:$R_HOME/bin:$PATH

# 试环境变量生效

source .bash_profile

6、 命令行测试

[admin@JD

software]$ R

WARNING: ignoring environment value of R_HOME

R version 3.0.1 (2013-05-16) -- "Good Sport"

Copyright (C) 2013 The R Foundation for Statistical Computing

Platform: x86_64-unknown-linux-gnu (64-bit)

R是自由软件，不带任何担保。

在某些条件下你可以将其自由散布。

用'license()'或'licence()'来看散布的详细条件。

R是个合作计划，有许多人为之做出了贡献.

用'contributors()'来看合作者的详细情况

用'citation()'会告诉你如何在出版物中正确地引用R或R程序包。

用'demo()'来看一些示范程序，用'help()'来阅读在线帮助文件，或

用'help.start()'通过HTML浏览器来看帮助文件。

用'q()'退出R.

>q()

7、创建脚本测试(t.R)

cd

/opt/script/R

vim t.R

#!/path/to/Rscript

#第一行

x<-c(1,2,3)

#R语言代码

y<-c(102,299,301)

model<-lm(y~x)

summary(model)

8、测试：执行脚本

R CMD BATCH

--args /opt/script/R/t.R

more

/opt/script/R/t.Rout

#查看执行的结果

或者第二种方式

Rscript

/opt/script/R/test.R

#结果直接输出到终端