R circlize包 和弦图

[参考来源](https://jokergoo.github.io/circlize_book/book/the-chorddiagram-function.html)

[原文来源](https://mp.weixin.qq.com/s?__biz=MzA3MTM3NTA5Ng==&mid=2651059272&idx=1&sn=bba1e6311137da55bca476b23968c262&chksm=84d9d5dfb3ae5cc91ddf70bef68c13d05655446e8bd76162a89eb0f07b5cf07f3d708695a728&scene=21)

[原文来源](https://mp.weixin.qq.com/s?__biz=MzA3MTM3NTA5Ng==&mid=2651059272&idx=1&sn=bba1e6311137da55bca476b23968c262&chksm=84d9d5dfb3ae5cc91ddf70bef68c13d05655446e8bd76162a89eb0f07b5cf07f3d708695a728&scene=21)

作者：李誉辉四川大学在读研究生

par参数：

lty: line type. 可以是数字或者字符,

(0 = “blank”, 1 = “solid” (default), 2 = “dashed”, 3 = “dotted”, 4 = “dotdash”, 5 = “longdash”, 6 = “twodash”)

lwd: line width. 默认是 1, 设置线宽的放大倍数.

cex: 设置文字和符号相对于默认值的大小, 为一个比例数值. 当使用 mfrow 或 mfcol 也会改变该值.

mai: 以 inch 为单位的图像边距, c(bottom, left, top, right).

mar: 以行数来表示图像边距, c(bottom, left, top, right), 默认是 c(5, 4, 4, 2) + 0.1.

mfcol, mfrow: 调整图形输出设备中子图排列的向量, c(nrow, ncol),

mfcol 让子图按照列优先排列, 相应的, mfrow 让子图按照行优先排列.当设置 mfcol mfrow 后, cex 和 mex 的基本单位都相应减小.

和弦图

和弦图简介

和弦图长什么样子：

和弦图在线

（http://circos.ca/intro/tabular_visualization/）

和弦图即可以反映2类变量之间的相互作用关系，也可以反映相互作用强度，这是其它图比不了的

和弦图的弦link的宽度代表所连接的两个对象的相互作用强弱，link越宽，则相互作用越强

和弦图常用于绘制国家之间的贸易往来量，城市之间的航班往来量，还有细胞和基因数据可视化(这个领域不了解)

邻接表(和弦图数据源)

邻接表强调2类对象之间的相互作用强弱，分为邻接矩阵(adjacency matrix)和邻接列表(adjacency list)

邻接矩阵为表示矩阵格式，邻接矩阵的元素映射到弦link的宽度，表示所在行名称和列名称的相互作用强弱

邻接列表通常前2列分别为2类对象，第3列映射到弦link的宽度，表示前2列对应行的元素相互作用强弱

circlize内置的和弦图绘制函数

chordDiagram()对这2种邻接表都支持，但对于后续参数修改，使用邻接列表更方便

邻接表：

library(circlize)

# 编一个邻接矩阵

mat <- matrix(1:9, 3) # 第1列不是id列，通过行命名替代

rownames(mat) <-  letters[1:3]

colnames(mat) <-  LETTERS[1:3]

mat

# 编一个邻接列表

df <- data.frame(from = letters[1:3], to = LETTERS[1:3], value = 1:3)

df

可以使用内置函数generateRandomBed()产生随机基因类数据：

语法：

generateRandomBed(nr = 10000, nc = 1, fun = function(k) rnorm(k, 0, 0.5), species = NULL)

参数解释：

nr 表示指定产生数据行数

nc 表示指定产生数据列数, 数据值的列

fun 表示指定参数随机数的方法

species 表示种类，传递给read.cytoband

library(circlize)

set.seed(999)

bed = generateRandomBed() # 默认参数

head(bed)

bed = generateRandomBed(nr = 200, nc = 4)

nrow(bed)

bed = generateRandomBed(nc = 2, fun = function(k) sample(letters, k, replace = TRUE)) # 默认产生1000行数据

head(bed)

初步绘图

输入邻接表数据，默认参数，自动绘图，

构造数据

library(circlize)

# 构造一个邻接矩阵

set.seed(999)

mat <- matrix(sample(18, 18), 3, 6) # 3行6列的矩阵

rownames(mat) <- paste0("S", 1:3) # 生成行名

colnames(mat) <- paste0("E", 1:6) # 生成列名

# 构造一个邻接列表

df <- data.frame(from = rep(rownames(mat), times = ncol(mat)), # 第1列对象

                to = rep(colnames(mat), each = nrow(mat)), # 第2列对象

                value = as.vector(mat),  # 第3列前2列对象相互作用强度

                stringsAsFactors = FALSE)

df

绘图

library(circlize)

# 使用邻接矩阵

chordDiagram(mat)

circos.clear() # 结束绘图，否则会继续叠加图层

# 使用邻接列表

chordDiagram(df)

circos.clear()

参数调整

调整了参数，绘图结束后，使用circos.clear()重置参数，使返回到默认状态

参数分为2大类：

第1类为circos.par()内置参数

第2类为chordDiagram()内置参数

circos.par内置参数

分类参数描述

sectors间隙gap.after调整外围sectors之间的间隙，用数字向量进行指定

sectors旋转方向clock.wise为逻辑值，设置外围sectors的旋转方向

sectors起点位置start.degree为-360到360的数字，调整第一个sector的位置，与旋转方向有关

gap 间隙调整

sectors之间的间隙可以用gap.after =调整

指定间隙的数字向量长度应该与sectors数量一致

library(circlize)

# 使用邻接矩阵时

circos.par(gap.after = c(rep(5, nrow(mat)-1),  # 2个5，表示3个行名之间的间隙分别为5个单位

                        15,                   # 表示行名与列名之间的间隙，为15个单位

                        rep(5, ncol(mat)-1),  # 5个5，表示6个列名之间的间隙分别为5个单位

                        15))                  # 表示列名与行名之间的间隙，为15个单位

chordDiagram(mat)

circos.clear() # 返回默认设置

# 使用邻接列表时

circos.par(gap.after = c(rep(5, length(unique(df[[1]]))-1), # 表示第1列元素之间的间隙为5个单位

                        15,                                # 表示第1列与第2列之间的间隙为15个单位

                        rep(5, length(unique(df[[2]]))-1), # 表示第2列元素之间的间隙为5个单位

                        15))                               # 表示第2列与第1列之间的间隙为15个单位  

chordDiagram(df)

circos.clear()

sector起点位置及旋转方向调整

sector默认为3点钟顺时针方向，

circos.par(start.degree = )可以调整起点位置，起点位置还与旋转方向有关

circos.par(clock.wise = FALSE/TRUE) 可以调整旋转方向

library(circlize)

circos.par(start.degree = 90, clock.wise = FALSE) # 逆时针旋转，起点位置在逆时针90度方向，即12点针方向  

chordDiagram(mat)

circos.clear()

chordDiagram内置参数

chordDiagram()内置参数很多，分类及作用如下：

分类参数描述

sectors顺序order调整外围sectors排列顺序，用字符串向量指定，其长度与sectors数量一致

sectors颜色grid.col调整外围sectors颜色，颜色向量指定，通常使用名称属性进行匹配，默认顺序匹配

link颜色col用颜色矩阵或颜色向量指定，对于邻接矩阵和邻接列表不一样

link透明度transparency用0(不透明)到1(透明)的数字指定，如果要设置不同的透明度，则用法与颜色指定类似

link边线宽link.lwd用数字指定link弦边缘线宽度

link边线型link.lty用数字指定link弦边缘线的线型，与par参数一致

link边线颜色link.border指定link弦边缘线的颜色

link弦可见link.visible指定要显示的弦，用逻辑向量或矩阵指定，只显示逻辑值为正的弦

sectors内的顺序link.decreasing为逻辑值，表示指定link在sector内的顺序，需要先指定link.sort = TRUE

sectors外顺序link.rank指定link在各个sector之间的顺序，用数字向量或矩阵指定，值大的后添加在表层

自我连接self.link指定自我连接的类型，=1 或 =2

对称矩阵symmetric为逻辑值，symmetric = TRUE表示只画邻接矩阵下三角部分，不包括对角线

link方向directional=1或 =-1,设置方向后，link终点高度将缩短，可以调节缩短量

link箭头direction.type指定方向类型: "arrows"，c("arrows", "diffHeight")，"big.arrow"大箭头

link高度diffHeight指定link终点缩短量，可以为负数,必须先在direction.type中设定diffHeight

窄弦丢弃reduce从0到1的数字，表示link宽度小于弦总宽度百分比的link将不予显示,circos.info()可查看

轨道显示annotationTrack表示指定要显示的轨道,NULL隐藏，c("name", "grid", "axis")标签，网格和刻度

外围sectors的顺序

对于邻接矩阵，外围sector的顺序与union(rownames(mat), colnames(mat))一致，默认从3点钟方向顺时针旋转

对于邻接列表，外围sector的顺序与union(df[[1]], df[[2]])一致

order参数调整外围sector的顺序，当然指定字符串向量的长度应与sectors的数量一致

如图所示：

library(circlize)

chordDiagram(mat, order = c("S1", "E1", "E2", "S2", "E3", "E4", "S3", "E5", "E6"))  # 使用order参数调整顺序，默认3点钟顺时针方向  

circos.clear()

颜色调整

通常外围sector分为2类，第1类代表邻接矩阵的行名或邻接列表的第一列，第2类代表邻接矩阵的列名和邻接列表的第2列，

连接弦link就是将2类sectors连接起来，默认连接弦link的颜色与第1类对象的颜色一致，

改变外围sector中第1类对象的颜色，连接弦的颜色也会随之改变

外围sector的颜色可以用chordDiagram(grid.col= )参数调整，

指定的颜色向量最好有一个名称属性，该名称属性与secters名称一样，这样才能一一匹配，否则没有名称属性则按顺序匹配

连接弦link的透明度可以用transparency参数调整，从0(完全不透明)到1(完全透明)，默认透明度为0.5

连接弦link的参数可以用col参数调整，需要指定颜色矩阵(数据为邻接矩阵) 或颜色向量(数据为邻接列表)

可以用函数

rand_color()产生随机颜色矩阵，可以在里面设置透明度参数，再指定透明度会被忽略

当相互作用relation为连续变量时，可以通过

colorRamp2()产生连续的颜色向量，col参数也支持

当数据是连接矩阵时，可以不提供颜色矩阵，link颜色指定还可以用颜色向量指定，使用参数row.col或column.col指定

仅仅提供与行名或列名长度相同的颜色向量，颜色向量可以用颜色名称，hex色值，甚至数字表示

调整sectors颜色和link透明度

library(circlize)

grid_col <-  c(S1 = "red", S2 = "green", S3 = "blue",

   E1 = "grey", E2 = "grey", E3 = "grey", E4 = "grey", E5 = "grey", E6 = "grey") # 构建颜色向量，指定名称属性，则按名称匹配

chordDiagram(mat, grid.col = grid_col, transparency = 0.7) # 调整外围sector颜色，增加透明度

chordDiagram(t(mat), grid.col = grid_col) # 按名称匹配，则link颜色与mat矩阵的列名一致，全变为灰色

调整link颜色及透明度

colorRamp2(breaks, colors, transparency = 0, space = "LAB") 离散色板连续化，space表示色彩空间

library(circlize)

# 数据是邻接矩阵

col_mat <- rand_color(length(mat), transparency = 0.7) # 产生随机颜色矩阵，并指定透明度

dim(col_mat) <- dim(mat) # 以确保col_mat是一个矩阵

chordDiagram(mat, grid.col = grid_col, col = col_mat) # 设置link颜色，

circos.clear()

# 数据是邻接列表

cols <- rand_color(nrow(df), transparency = 0.7)

chordDiagram(df, grid.col = grid_col, col = cols)

circos.clear()

# link为连续变量

col_fun <- colorRamp2(range(mat), c("#FFEEEE", "#FF0000"), transparency = 0.5) # 产生连续色块并指定透明度

chordDiagram(mat, grid.col = grid_col, col = col_fun)

circos.clear()

# 用数字指定link颜色

chordDiagram(mat, grid.col = grid_col, row.col = 1:3, transparency = 0.7) # 用数字向量指定颜色，向量长度与连接矩阵的行数相同

chordDiagram(mat, grid.col = grid_col, column.col = 1:6, transparency = 0.7) # 用数字向量指定颜色，向量长度与连接矩阵的列数相同

circos.clear()

link边线宽，边线型，边线颜色

link,lwd 参数调整link边缘线宽度

link.lty 参数调整link边缘线线型

link.border 参数调整link边缘线的颜色

当数据是邻接矩阵时，这3个参数均可以用长度为1的向量指定，或矩阵

library(circlize)

# 用长度的1的向量指定

chordDiagram(mat, grid.col = grid_col, link.lwd = 2, link.lty = 2, link.border = "red") # 指定link边线宽度，边线线型，边线颜色

circos.clear()

# 用矩阵指定

lwd_mat <- matrix(1, nrow = nrow(mat), ncol = ncol(mat)) # 元素为1的矩阵，其维度与源数据mat一致

lwd_mat[mat > 12] <- 2 # relation > 12,则加宽link边线

border_mat <- matrix(NA, nrow = nrow(mat), ncol = ncol(mat)) # 元素为NA的矩阵，其维度与源数据mat一致

border_mat[mat > 12] <- "red" # relation > 2，则为红色边缘线

chordDiagram(mat, grid.col = grid_col, link.lwd = lwd_mat, link.border = border_mat) # 指定link边缘线宽度，边缘线颜色

circos.clear()

# 参数矩阵维度与数据源不一致,则改变部分颜色,必须按名称属性匹配

border_mat2 <- matrix("black", nrow = 1, ncol = ncol(mat)) # 生成1行的矩阵，其宽与数据源mat一致

rownames(border_mat2) <- rownames(mat)[2] # 将mat第2个行名赋值给border_mat2，则只会改变第mat第2行的边缘线颜色

colnames(border_mat2) <- colnames(mat) # 赋值列名，与数据源mat一致

chordDiagram(mat, grid.col = grid_col, link.lwd = 2, link.border = border_mat2) #

circos.clear()

# 参数矩阵还可以设置为特殊的3列格式，前2列分别对应数据源的行名称和列名称，第3列为参数列，相当于邻接列表格式的参数矩阵

lty_df <- data.frame(c("S1", "S2", "S3"), c("E5", "E6", "E6"), c(1, 2, 3)) # link边缘线分别为1, 2, 3

lwd_df <- data.frame(c("S1", "S2", "S3"), c("E5", "E6", "E4"), c(2, 2, 2)) # link边线线宽为2

border_df <- data.frame(c("S1", "S2", "S3"), c("E5", "E6", "E4"), c(1, 1, 1)) # link边缘线颜色为1

chordDiagram(mat, grid.col = grid_col, link.lty = lty_df, link.lwd = lwd_df, link.border = border_df)

circos.clear()

# 当数据源是邻接列表时，只需要指定跟源数据一样行数的向量，特别方便

chordDiagram(df, grid.col = grid_col,

            link.lty = sample(1:3,nrow(df), replace = TRUE),

            link.lwd = runif(nrow(df)) * 2,

            link.border = sample(0:1, nrow(df), replace = TRUE))

circos.clear()

link弦可见

在需要强调某些relation时，需要高亮对应的弦，一般有4种高亮方式：

设置弦边缘颜色(前面已经介绍了)，

设置不同的透明度，

或只显示某些弦，其它全是透明的灰色

通过link.visible参数指定要显示的弦，其它都不显示，可以用逻辑矩阵(对于邻接矩阵)或逻辑向量(对于邻接列表)进行指定

library(circlize) # 通过指定不同的颜色进行高亮 chordDiagram(mat, grid.col = grid_col, row.col = c("#FF000080", "#00FF0010", "#0000FF10")) circos.clear() # 通过指定透明色给某些在范围之外的relation col_mat[mat < 12] <- "#00000000" # relation < 12则变为透明色 chordDiagram(mat, grid.col = grid_col, col = col_mat) # circos.clear() # 通过函数同时指定透明色和高亮色，对邻接列表数据源也适用 col_fun <- function(x) {ifelse(x < 12, "#00000000", "#FF000080") }# relation小于12则为透明色，反之为#FF000080石榴红 chordDiagram(mat, grid.col = grid_col, col = col_fun, transparency = 0.7) circos.clear() # 事实上，所有颜色矩阵或颜色生成函数中色彩都是绘制在图形中的，只是程序内部将其透明度设置为了1， # 通过3列特殊数据框指定的颜色，其缺失的颜色的relation将不会画出 col_df <- data.frame(c("S1","S2", "S3"), c("E5", "E6", "E4"), c("#FF000080", "#00FF0080", "#0000FF80")) chordDiagram(mat, grid.col = grid_col, col = col_df) circos.clear() # 对于邻接列表数据源，高亮弦调整更简单，只需要设置要高亮的颜色，其它为透明色就行了 cols <- rand_color(nrow(df)) cols[df[[3]] < 10] <- "#00000000" # 将df中第3列，即relation列，列值小于10的都更新为透明色HEX色值 chordDiagram(df, grid.col = grid_col, col = cols) # 通过link.visible参数调整 cols <- rand_color(nrow(df)) chordDiagram(df, grid.col = grid_col, link.visible = df[[3]] >= 10) # 只显示df第3列大于10的弦 circos.clear()

弦在同一个sector上的顺序调整

有时候为了方便查询，需要将弦link按宽窄顺序排列，可以用参数link.sort和link.decreasing设定:

link.sort = TRUE 表示设置顺序，默认为了好看自动调整弦的顺序,指定该参数后，link.decreasing 参数才有效

link.decreasing = TRUE/FALSE 表示降序或升序，默认顺时针，降序表示宽度沿顺时针方向逐渐下降

library(circlize) chordDiagram(mat, grid.col = grid_col, link.sort = TRUE, link.decreasing = TRUE) #按弦宽度下降排列,则弦宽沿顺时针方向逐渐下降 title("link.sort = TRUE, link.decreasing = TRUE",cex = 0.8) # 添加标题 circos.clear() chordDiagram(mat, grid.col = grid_col, link.sort = TRUE, link.decreasing = FALSE) # 弦宽沿顺时针方向逐渐增大 title("link.sort = TRUE, link.decreasing = FALSE", cex = 0.8) circos.clear()

弦在多个sectors上的顺序调整

添加弦link的顺序对于视觉效果影响很大，默认安装数据源的顺序进行添加，可以用参数link.rank参数调整弦的添加顺序

通常给邻接列表增加一列，为relation的秩，然后用秩指定link.rank参数，则relation越小，秩越大， 则link.rank参数先添加最大秩对应的弦，即最小的relation,于是relation越大，越出现在表层

反之，如果要将宽的relation调整到下面，则直接用relation列指定link.rank参数

library(circlize) # 邻接矩阵数据源，求矩阵的秩，然后指定给link.rank参数 chordDiagram(mat, grid.col = grid_col, transparency = 0, link.rank = )# 设置透明度为0，方便观察 chordDiagram(mat, grid.col = grid_col, transparency = 0, link.rank = rank(mat)) # 用mat中的秩进行排序，秩最大先添加 circos.clear() # 邻接列表数据源，对relation列求秩，然后指定给link.rank参数 chordDiagram(df, grid.col = grid_col, transparency = 0, link.rank = rank(df[[3]])) # 第3列为relation列，求秩 circos.clear()

自我连接

当信息需要复制的时候，可以使用自我连接，使用参数self.link指定，用1或2指定，分别代表2种情形

这个用在基因或细胞复制的可视化中，其它用的比较少

library(circlize) df2 <- data.frame(start = c("a", "b", "c", "a"), end = c("a", "a", "b", "c")) chordDiagram(df2, grid.col = 1:3, self.link = 1) # chordDiagram(df2, grid.col = 1:3, self.link = 2) circos.clear()

对称矩阵

当数据源是对称矩阵时，通过参数symmetric = TRUE，只有矩阵下三角部分relation会被可视化(不包括对角线)

library(circlize) mat3 <- matrix(rnorm(25), 5) # 生成25个均匀分布的随机数, 5行排列 colnames(mat3) <- letters[1:5] cor_mat <- cor(mat3) # 求相关系数,则变为对称矩阵 col_fun <- colorRamp2(c(-1, 0, 1), c("green", "white", "red")) chordDiagram(cor_mat, grid.col = 1:5, symmetric = TRUE, col = col_fun) title("symmetric = TRUE") # 增加标题 circos.clear() chordDiagram(cor_mat, grid.col = 1:5, col = col_fun) title("symmetric = FALSE") circos.clear()

弦link的方向

很多时候，数据源是有方向性的，如城市的航班来往，贸易来往，

对于邻接矩阵，本身就可以是有方向性的，如以行名为方向的起点，或以列名为方向的起点

对于邻接列表，通常用前2列的列的顺序表示方向，从第1列到第2列，或从第2列到1列 用directional指定弦的方向，directional = 1或directional = -1：

对于邻接矩阵，1 表示从行名到列名，-1则反之

对于邻接列表，1 表示从从第1列到第2列，-1则反之 不设置方向属性时，弦的高度都相等，即与sectors之间的gap都相等，当设置方向后，则其中一端会缩短一些，如果短的地方不对，则反转方向 如果缩短的量不够，则可以通过diffHeight参数设置， 也可以设置负数 有时候，数据源的行名或列名可能存在相同值，这时候设置方向就很容易区分，

library(circlize) par(mfrow = c(1, 3)) # 设置绘图环境，多图布局，1行3列布局 chordDiagram(mat, grid.col = grid_col, directional = 1) # 结束端要短一些 chordDiagram(mat, grid.col = grid_col, directional = 1, diffHeight = uh(5, "mm")) # 设定缩短量为5mm， uh表示传递单位 chordDiagram(mat, grid.col = grid_col, directional = -1) # 反转方向，这行名对应的端要短一些 circos.clear()

数据源的行名和列名存在相同值

library(circlize) mat2 <- matrix(sample(100, 35), nrow = 5) rownames(mat2) <- letters[1:5] colnames(mat2) <- letters[1:7] mat2 chordDiagram(mat2, grid.col = 1:7, directional = 1, row.col = 1:5) circos.clear()

如果不需要显示自我连接的弦

则更改数据源中对应的值，使该值为0

library(circlize) mat3 <- mat2 for (cn in intersect(rownames(mat3), colnames(mat3))) { mat3[cn, cn] <- 0 # 将行名和列名相同的值更改为0 } mat3 chordDiagram(mat3, grid.col = 1:7, directional = 1, row.col = 1:5) # 设置弦方向为从行名到列名，设置弦颜色 circos.clear()

link方向、箭头及高度调整

弦link有方向属性，就可以增加箭头，有2个参数可以增加箭头

direction.type = "arrows" 给弦增加带箭头的曲线，曲线位于弦的中心线上，默认给所有弦增加箭头

link.arr.col 给部分弦增加带箭头的曲线，并指定箭头的颜色，指定方式跟颜色的指定类似, 必须设置direction.type = "arrows"参数

link.arr.length 指定带箭头曲线中，箭头的长度

link.arr.type 指定箭头类型，可以用link.arr.type = "big.arrow" 产生大尺寸箭头，将箭头和箭杆合二为一

library(circlize) arr_col <- data.frame(c("S1", "S2", "S3"), c("E5", "E6", "E4"), c("black", "black", "black")) # 生成箭头的颜色3列特征数据框 chordDiagram(mat, grid.col = grid_col, directional = 1, link.arr.col = arr_col, direction.type = "arrows", link.arr.length = 0.2) circos.clear() # 同时设置箭头和弦高diffHeight chordDiagram(mat, grid.col = grid_col, directional = 1, direction.type = c("diffHeight", "arrows"), # 同时设置箭头和弦高 link.arr.col = arr_col, link.arr.length = 0.2) circos.clear() par(mfrow = c(1, 2)) # 指定箭头类型为大箭头 matx <- matrix(rnorm(64), 8) chordDiagram(matx, directional = 1, direction.type = c("diffHeight", "arrows"), link.arr.type = "big.arrow") # 大箭头，箭头和箭杆合二为一 circos.clear() # 大箭头加调整弦高diffHeight chordDiagram(matx, directional = 1, direction.type = c("diffHeight", "arrows"), link.arr.type = "big.arrow", diffHeight = -uh(2, "mm")) # 设置弦高为-2mm circos.clear()

窄弦丢失

对于relation值相对太小，其对应的弦的宽度也非常小，对于这种极小值，在程序绘图时，会自动去除，不给予显示

可以通过reduce参数控制link宽度的下限，超出该范围的将不显示，

reduce参数为0到1的数字(包含0)， 表示占所有弦宽度之和的百分比

library(circlize) # 默认移除小比例值 mat <- matrix(rnorm(36), 6, 6) rownames(mat) <- paste0("R", 1:6) colnames(mat) <- paste0("C", 1:6) mat[2, ] <- 1e-10 # 将第2行所有值改成很小的值 mat[, 3] <- 1e-10 # 将第3列所有值改成很小的值 chordDiagram(mat) circos.info() # 显示绘图的对象，不包含第2行的行名(R2)和第3列的列名(C3)，则表示被移除了 circos.clear() # reduce参数调整 mat[2, ] <- 1e-2 chordDiagram(mat, reduce = 1e-3) # 控制reduce参数比C2小，则C2行不会被移除 circos.info() circos.clear()

轨道调整

chordDiagram()默认创建2个外围轨道，一个标签(列名和行名)轨道，一个带有刻度线的网格轨道

circos.info()显示的"All your tracks"下面就是所有的轨道，

annotationTrack参数可以调整轨道，从c("name", "grid", "axis")中指定任意值，可以多个值，表示只显示指定的轨道，

annotationTrackHeight参数可以指定轨道环高，用数字向量指定，向量长度与annotationTrack参数一致

library(circlize) par(mfrow = c(1, 3)) # 多图布局，分3列排版 chordDiagram(mat, grid.col = grid_col, annotationTrack = "grid") # 只显示网格，不显示刻度线和标签轨道 chordDiagram(mat, grid.col = grid_col, annotationTrack = c("name", "grid"), # 指定显示标签和网格轨道 annotationTrackHeight = c(0.03, 0.01)) # 指定标签轨道和网格轨道的环高 chordDiagram(mat, grid.col = grid_col, annotationTrack = NULL) # 移除所有轨道 circos.clear()