不会画关系图?5 类图形为你展示—变量间相互关系—提供示例与完整代码-ggplot2-geom_point-ComplexHeatmap-pheatmap-ggpairs
gzh原文点我,欢迎同时关注
在数据分析过程中,我们经常碰到想要直观获取两个或多个变量间相互关系的情况。本期就介绍5种常用于展示变量间相互关系的图形,并给出常用示例图形及对应的完整可复现代码
1、散点图
散点图用于表示2个数字变量之间的关系。散点图中每个数据点,其第一个变量的值在X轴上表示,第二个在Y轴上表示
常见问题&处理方法
- 数据重叠(过度绘制)
- 缩小散点大小
- 调整散点透明度
- 对数据取样(less is more)
- 分组
- 高亮其中某些分组
- 分面(faceting):比如有3个组,则分成3副图,每幅图高亮其中一个组
- 抖动处理(Jittering):如果数据的其中一个轴是定量(比如确定x=1,则可对这些数据点在一定范围内增加或减少一个随机值,从而避免数据重叠在一起。
示例:
散点图包含多种分类,此处简单举例
library(ggplot2)
d1 <- data.frame(x=seq(1,100), y=rnorm(100), name="No trend")
d2 <- d1 %>% mutate(y=x*10 + rnorm(100,sd=60)) %>% mutate(name="Linear relationship")
d3 <- d1 %>% mutate(y=x^2 + rnorm(100,sd=140)) %>% mutate(name="Square")
d4 <- data.frame( x=seq(1,10,0.1), y=sin(seq(1,10,0.1)) + rnorm(91,sd=0.6)) %>% mutate(name="Sin")
don <- do.call(rbind, list(d1, d2, d3, d4))p1 = don %>%ggplot(aes(x=x, y=y)) +geom_point(color="#69b3a2", alpha=0.8) +theme_ipsum() +geom_smooth(,method=loess , color="red", fill="#69b3a2", se=TRUE,size=0.5) +facet_wrap(~name, scale="free")
散点图还可参考:
一起学画图:棒棒糖图 / 哑铃图—基本示例与优化
一起学画图:散点图+边缘分布统计图形
一起学画图:气泡图—常用于富集分析
一起学画图:散点图(1)— 基础散点图 — R-ggplot2复现Nature文章散点图
3、散点连接图
在散点图的基础上,增加了数据点之间的连线;或者说,在折线图上,增加了数据点,能够补充数据点的的信息
常见问题&处理方法
- 应避免使用双轴(dual-axis)
- 数据重叠(过度绘制)——见1
示例:
library(ggplot2)
library(dplyr)
library(babynames)
library(ggrepel)
library(tidyr)# 数据
data <- babynames %>% filter(name %in% c("Ashley", "Amanda")) %>%filter(sex=="F") %>%filter(year>1970) %>%select(year, name, n) %>%spread(key = name, value=n, -1)# 筛选被标注的数据
tmp_date <- data %>% sample_frac(0.3)csp = data %>% ggplot(aes(x=Amanda, y=Ashley, label=year)) +geom_point(color="#69b3a2") +geom_text_repel(data=tmp_date) +geom_segment(color="#69b3a2", aes(xend=c(tail(Amanda, n=-1), NA), yend=c(tail(Ashley, n=-1), NA)),arrow=arrow(length=unit(0.3,"cm"))) +theme_ipsum()
csp
3、热力图
热力图通过图形来表示数据,通过图形的不同颜色及颜色深浅反映两个变量之间的相关数据的大小,热力图非常适合展现数据的总体视图。
常见问题&处理方法
- 通常需要对数据进行归一化处理(normalize)
- 推荐使用聚类分析,将聚类情况相近的数据统一放置,以获得更好的图形效果
- 注意配色,否则图表信息无法充分展示
示例:
R中有很多可以制作热力图的包和软件,如R本身提供的heatmap()
函数,ggplot2
中的geom_tile()
,lattice
中的levelplot()
,pheatmap
、ggcor
、 ComplexHeastmap
等
#BiocManager::install("ComplexHeatmap")
library(ComplexHeatmap)
test = matrix(rnorm(200), 20, 10)
test[1:10, seq(1, 10, 2)] = test[1:10, seq(1, 10, 2)] + 3
test[11:20, seq(2, 10, 2)] = test[11:20, seq(2, 10, 2)] + 2
test[15:20, seq(2, 10, 2)] = test[15:20, seq(2, 10, 2)] + 4
colnames(test) = paste("Test", 1:10, sep = "")
rownames(test) = paste("Gene", 1:20, sep = "")annotation_col = data.frame(CellType = factor(rep(c("CT1", "CT2"), 5)), Time = 1:5
)
rownames(annotation_col) = paste("Test", 1:10, sep = "")annotation_row = data.frame(GeneClass = factor(rep(c("Path1", "Path2", "Path3"), c(10, 4, 6)))
)
rownames(annotation_row) = paste("Gene", 1:20, sep = "")ann_colors = list(Time = c("white", "firebrick"),CellType = c(CT1 = "#1B9E77", CT2 = "#D95F02"),GeneClass = c(Path1 = "#7570B3", Path2 = "#E7298A", Path3 = "#66A61E")
)chp = pheatmap(test, annotation_col = annotation_col, annotation_row = annotation_row, annotation_colors = ann_colors)
chp
该图代码、数据请见:ComplexHeatmap热图绘制
4、气泡图
气泡图在散点图基础上增加了第三个维度,该维度通常是一个额外的数字变量,其值通过气泡的大小来表示
常见问题&处理方法
使用的是气泡的面积大小作为度量标准,而非气泡直径长度
如果样本量太多,同样会出现数据重叠(过度绘制)问题——见1
应该设置气泡面积大小的图例
示例:
该图代码、数据请见:一起学画图:气泡图—常用于富集分析
5、相关图
相关图(相关矩阵)用来分析矩阵中每一对数字变量之间的关系。每对变量之间的相关关系通过散点图或代表相关关系的符号(如气泡、直线、数字等)进行可视化。对角线通常使用直方图或密度图表示每个变量的分布
常见问题&处理方法
- 控制变量个数,变量太多会降低可读性
示例:
可以实现相关图的包,包括GGally
的ggpairs
,corrgram
,ellipse
,以及car
包中的scatterplotMatrix()
以及原生plot()
都可以实现类似的效果ggpairs
官方文档:https://ggobi.github.io/ggally/articles/ggpairs.html
library(GGally)
library(ggplot2)data(flea)
ggpairs(flea, columns = 2:4, ggplot2::aes(colour=species)) data(tips, package = "reshape")
rla = ggpairs(tips[, c(1, 3, 4, 2)],upper = list(continuous = "density", combo = "box_no_facet"),lower = list(continuous = "points", combo = "dot_no_facet"),aes(colour=sex)) +theme_update()
rla
该图代码、数据请见:ggcor相关性热图绘制
#install.packages("ellipse")
library(ellipse)
library(RColorBrewer)
data <- cor(mtcars)my_colors <- brewer.pal(5, "Spectral")
my_colors <- colorRampPalette(my_colors)(100)ord <- order(data[1, ])
data_ord <- data[ord, ord]
plotcorr(data_ord , col=my_colors[data_ord*50+50] , mar=c(1,1,1,1)
往期推荐
一起学画图:棒棒糖图 / 哑铃图—基本示例与优化
一起学画图:散点图+边缘分布统计图形
一起学画图:气泡图—常用于富集分析
一起学画图:散点图(1)— 基础散点图 — R-ggplot2复现Nature文章散点图
关注微信公众号生信小书生,查看更多精彩内容
不会画关系图?5 类图形为你展示—变量间相互关系—提供示例与完整代码-ggplot2-geom_point-ComplexHeatmap-pheatmap-ggpairs相关推荐
- Microbiome:应用多维宏组学方法协同揭示复杂细菌群落对目标底物代谢的菌间相互关系(一作解读)...
Microbiome: 应用多维宏组学方法协同揭示复杂细菌群落对目标底物代谢的菌间相互关系 香港大学张彤教授团队与北京大学余珂博士研究团队,以生物降解菌群为研究模型,运用多维宏组学方法(宏基因组.宏转 ...
- 利用协方差,皮尔逊相关系数和斯皮尔曼相关系数确定变量间的关系
利用协方差,皮尔逊相关系数和斯皮尔曼相关系数确定变量间的关系 https://www.toutiao.com/i6550915552490029576/ 数据集中的变量之间可能存在复杂且未知的关系.重 ...
- Intellij IDEA中安装使用PlantUML画时序图、类图等
转载自 https://www.jianshu.com/p/a6bd7e3048ef 一.在Intellij安装PlantUML插件 在菜单栏Intellij IDEA打开插件安装窗口(版本不一样,可 ...
- 使用Visio画矢量图 线条组合图形填充颜色
第一次准备发论文. 最近正在改论文,改到灵感耗尽,人被掏空... 首先走过弯路的我提醒大家IEEE格式论文最好使用latex编辑:其次,一般要求插图为矢量图或分辨率高于600dpi 论文图一般使用[A ...
- java类关系图_类图和对象图
类图的概念 一.概述 类图(Class Diagram)是描述类.接口.协作以及它们之间关系的图,用来显示系统中各个类的静态结构.类图是定义其他图的基础,在类图基础上,可以使用状态图.协作图.组件图和 ...
- 论文浅尝 - ICML2020 | 通过关系图上的贝叶斯元学习进行少样本关系提取
论文笔记整理:申时荣,东南大学博士生. 来源:ICML 2020 链接:http://arxiv.org/abs/2007.02387 一.介绍 本文研究了少样本关系提取,旨在通过训练每个关系少量带有 ...
- Python数据可视化 | 6、基于Sesborn探索变量间的关系
目录 绘制线性回归模型 拟合不同模型 残差图 变量间的条件关系探索 控制图片的大小和形状 小结 数据变量之间的关联性,主要针对定量数据而言: 数据的分布问题也是主要针对定量数据: 分组问题及组间问题里 ...
- 【Groovy】Groovy 脚本调用 ( Groovy 类中调用 Groovy 脚本 | 创建 GroovyShell 对象并执行 Groovy 脚本 | 完整代码示例 )
文章目录 一.Groovy 类中调用 Groovy 脚本 1.创建 GroovyShell 对象并执行 Groovy 脚本 2.代码示例 二.完整代码示例 1.调用者 Groovy 脚本的类 2.被调 ...
- 【统计学笔记】如何判断变量间相关关系,并建立一元线性回归模型?
本章内容: 判断两个变量间是否有相关关系,且关系强度如何? 如何建立一元线性回归模型,且模型效果如何? 如何利用回归方程进行预测? 为什么要进行残差分析,及如何进行分析? 索引
- python 节点关系图_在Python中如何分析和识别有向图关系(节点间)
由于您标记了networkx,下面是一个使用该库的解决方案.在 在下面的代码中,我创建了一个方向图,然后从列表中添加边.要点:边中的第一个节点将是源节点,第二个节点将是目标节点,即子节点将指向其父节点 ...
最新文章
- 服务器越来越慢的原因及解决办法
- 多线程下载问题(IDHTTP)
- 设定printf在终端输出的颜色
- 做Mysql主从时,注意使用replicate_wild_do_table和replicate-wild-ignore-table
- python csv读取数据 去掉标题-Python读csv文件去掉一列后再写入新的文件实例
- 正方体最快最简单画_素描新手入门第一幅画可不只是“正方体”
- 软件工程知识——软件配置管理
- idea maven plugins报红_Maven引入本地依赖
- oracle进程用户,关于oracle用户进程,服务进程,后…
- 情怀奏不响民宿的狂想曲
- 【现代软件工程】第一次作业——词频统计
- Java 枚举(enum)剖析
- php微博程序,五款国内微博程序:Xweibo、Iweibo、Easytalk、PageCookery、记事狗
- 【每日一练】21—CSS实现炫酷动画背景
- Flying-Saucer使用HTML或者FTL(Freemarker模板)生成PDF
- mybatis mapperLocations配置失效
- 读入输出优化 黑科技 快过freadfwite
- 为什么php打开网页空白的_PHP网站打开空白的三个原因和对应的解决办法
- python设置文件权限_python通用权限框架
- jkd动态代理源码分析