R语言两组变量特征相关关系热图绘制画法

⽬录

准备数据简单热图

只对列进⾏聚类

将相关系数显⽰在图上在图上加上显著性标记

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\> 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\")

只对列进⾏聚类

> pheatmap(data.r, clustering_method=\"average\

将相关系数显⽰在图上

> data.r.fmt <- matrix(sprintf(\"%.2f\只保留⼩数点后两位

> pheatmap(data.r, clustering_method=\"average\

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\

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\

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其它相关⽂章！