R可视化——相关性计算及展示

    相关性分析（correlation analysis）是数据处理过程中经常用到的一种分析方法，一般指对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相关密切程度。当然，相关性的元素之间需要存在一定的联系才可以进行相关性分析。
    今天，小编就带大家梳理一下如何使用R语言进行相关性分析及展示！

1、加载数据

rm(list=ls())#clear Global Environment
setwd('D:\\桌面\\相关性分析')#设置工作路径
#读取数据，这里是随机编写的数据，可能相关性不是很强哈
df <- read.table(file="data.txt",sep="\t",header=T,check.names=FALSE,row.names = 1)
#预览
head(df)

2、使用R自带的相关性分析函数cor()进行分析

#使用cor()函数中的“spearman”方法进行相关性计算，并用热图进行展示
heatmap(cor(df,method = 'spearman'))

image.png

3、使用Hmisc包中的rcorr函数进行计算

1）计算数据的相关性

library(Hmisc)
df_rcorr<-rcorr(as.matrix(df))
#需要进行数据格式转换，计算完成后存储3个内容：r,P,n

2）展示

#半角圆圈图
library(corrplot)
corrplot(df_rcorr$r,#数据
         type="lower",#可选择展示方式，"full", "lower", "upper"
         tl.col ="red",#文本颜色
         tl.srt = 45#标签旋转
         )
#??corrplot#查看具体参数

image.png

#热图
library (pheatmap)
pheatmap(df_rcorr$r, 
         angle_col = "45",
         cellwidth=25, cellheight=20,
         display_numbers=T, number_format="%.2f", number_color="grey30")

image.png

4、通过PerformanceAnalytics包展示

library(PerformanceAnalytics)
chart.Correlation(df,histogram = T,pch="+")
#大家可以去网上搜一下这种图应该怎么理解

image.png

5、ggcor包与ggplot2展示

library(ggplot2) 
library(ggcor)
##方块 
quickcor(df) +geom_square()

image.png

#显示一半
quickcor(df, type = "lower", show.diag = FALSE) +  geom_square()

image.png

#半个显示图形，半个显示显著性
quickcor(df, cor.test =T)+#计算相关性
  geom_square(data =get_data(type ="lower", show.diag =F))+
  geom_mark(data =get_data(type ="upper", show.diag =F), size =3)+
  guides(fill = guide_legend(title = "p_value", order = 1))+#图例
  geom_mark(r = NA,sig.thres = 0.05, size = 3, colour = "red")

image.png

源码及作图数据可在公众号后台回复获取！！！