R语言之系统聚类（层次）分析之图谱形式完整版

###读取数据常见错误：
在读取数据过程中可能遇到以下问题，参照上一篇博客：

可能遇到报错：

1、Error in if (is.na(n) || n > 65536L) stop(“size cannot be NA nor exceed 65536”) :
missing value where TRUE/FALSE needed

没有处理数据转化距离。

2、Error in hclust(dist(test)) : NA/NaN/Inf in foreign function call (arg 11)
In addition: Warning message:
In dist(test) : NAs introduced by coercion

数据读入方式错误，详见各参数，与两种数据类型。
###Plot开始画图：

> test<-read.table("C:/Users/admin/Desktop/test.txt")
> hc = hclust(dist(test))

plot(hc,hang=1,cex=0.5,labels = NULL)

###另类聚类图

将hclude生成的对象转换为另类的聚类图

> hcd = as.dendrogram(hc)
> plot(hcd)

# tweeking some parameters
op=par(bg="#DDE3CA")
plot(hc,col="#487AA1",col.main="#45ADA8",col.lab="#7C8071",col.axis="#F38630",lwd=3,lty=3,sub="",hang=-1,axes=FALSE)# add axis
axis(side=2,at=seq(0,400,100),col="#F38630",labels=FALSE,lwd=2)# add text in margin
mtext(seq(0,400,100),side=2,at=seq(0,400,100),line=1,col="#A38630",las=2)

plot(hcd, type = "triangle")

放大在树状图
另一个非常有用的功能是选择树的一部分。例如，如果我们要研究的树状图上的分区，我们可以把它在一个高度75

op = par(mfrow = c(2, 1))
> plot(cut(hcd, h = 75)$upper, main = "Upper tree of cut at h=75")
> plot(cut(hcd, h = 75)$lower[[2]], main = "Second branch of lower tree with cut at h=75")

为了获得更多的定制的图形，我们需要更多的代码。一个非常有用的功能dendrapply可以应用一个函数的一dendrgoram所有节点。如果我们要添加一些色彩的标签这是非常方便的。

labelColors = c("#CDB380", “#036564”, “#EB6841”, “#EDC951”)
clusMember = cutree(hc, 4)
colLab <- function(n) {

```
if (is.leaf(n)) {
```
```
    a <- attributes(n)
```

    labCol <- labelColors[clusMember[which(names(clusMember) == a$label)]]

    attr(n, "nodePar") <- c(a$nodePar, lab.col = labCol)

```
}
```
```
n
```
}

clusDendro = dendrapply(hcd, colLab)
plot(clusDendro, main = “Cool Dendrogram”)

由R包ape提供更具吸引力的树非常好的工具，利用as.phylo功能将hclust objects转换成phylo对象

plot(as.phylo(hc), cex = 0.5, label.offset = 5)

###4种不同类型的聚类树形图
plot.phylo函数的4种不同类型的聚类树形图

plot(as.phylo(hc), type ="cladogram", cex = 0.9, label.offset = 1)

plot(as.phylo(hc), cex=1,type = "unrooted")

圆形树形图

# fan
plot(as.phylo(hc), cex=1,label.offset = 2,type = "fan")

plot(as.phylo(hc), type = "radial")

自定义的系统进化树

ape包对树的性状有着很多控制，能够定制他们以不同的方式。例如：

plot(as.phylo(hc), type = “fan”, tip.color = hsv(runif(15, 0.65, 0.95), 1, 1, 0.7), edge.color = hsv(runif(10, 0.65, 0.75), 1, 1, 0.7), edge.width = runif(20,0.5, 3), use.edge.length = TRUE, col = “gray80”)

修改一些参数

mypal=c("#556270", "#4ECDC4", "#1B676B", "#FF6B6B", "#C44D58")
clus5=cutree(hc, 5)
op=par(bg="#E8DDCB")
plot(as.phylo(hc), type="fan", tip.color=mypal[clus5], label.offset=1, cex=log(mtcars$mpg, 10), col="red")

###彩色叶子节点

The Rpackagesparclprovides theColorDendrogramfunction that allows to add some color. For example, we can add color to theleavesR包还提供ColorDendrogram功能来让我们给聚类树点颜色看看。比如我们可以给叶子节点来点颜色# install.packages('sparcl')
library(sparcl)
# colors the leaves of a dendrogram
y=cutree(hc, 3)
ColorDendrogram(hc, y=y, labels=names(y), main="My Simulated Data", branchlength=80)

R包ggplot2没有功能绘制树状图的原因我不知道。然而，包ggdendro提供一个像样的解决方案。

library(ggdendro)
library(plyr)
# basic option
ggdendro(hc)

#another option
ggdendrogram(hc, rotate = TRUE, size = 4, theme_dendro = FALSE, color ="tomato")

# Triangular lines
ddata <- dendro_data(as.dendrogram(hc), type = "triangle")
ggplot(segment(ddata)) + geom_segment(aes(x = x, y = y, xend = xend,
yend = yend)) + ylim(-10, 150) + geom_text(data = label(ddata), aes(x = x,
y = y, label = label), angle = 90, lineheight = 0)

Colored dendrogram

Lastbut not least, there's one more resource available from Romain Francois'saddicted to Rgraph gallery which I find really interesting. The code inR for generating colored dendrograms, which you can download and modify ifwanted so, is availablehere最后，你可以到罗曼弗朗索瓦的图形库里面进一步学习~~~你甚至可以修改他的代码地址是：http://gallery.r-enthusiasts.com/RGraphGallery.PHP?graph=79（貌似要翻墙）http://addictedtor.free.fr/packages/A2R/lastVersion/R/code.R# load code of A2R function
source("http://addictedtor.free.fr/packages/A2R/lastVersion/R/code.R")
# colored dendrogram
op=par(bg="#EFEFEF")
A2Rplot(hc, k=3, boxes=FALSE, col.up="gray50", col.down=c("#FF6B6B", "#4ECDC4", "#556270"))

par(op)

#another colored dendrogram
op = par(bg = "gray15")
cols = hsv(c(0.2, 0.57, 0.95), 1, 1, 0.8)
A2Rplot(hc, k = 3, boxes = FALSE, col.up = "gray50", col.down = cols)

二维码查看：

R语言之系统聚类（层次）分析之图谱形式完整版相关推荐

R语言应用实战-基于R语言的综合评价（层次分析法AHP为例）
一.综合评价的基本概念对一个事物的评价往往会涉及多个因素或者多个指标,评价是在多个因素相互作用下的一个综合判断.多指标综合评价方法具有以下的特点:包含若干个指标,分别说明被评价对象的不同方面,评价方 ...
R语言绘制带聚类树的堆叠柱形图
R语言绘制带聚类树的堆叠柱形图聚类树与柱形图结合,即可反映样本或分组间的相似性,又能展示样本内的元素组成信息. 例如下图是一个在扩增子测序微生物群落分析中常见的统计图类型,在测序公司给的报告中通常都 ...
R语言分位数回归Quantile Regression分析租房价格
全文链接:http://tecdat.cn/?p=18422 本文想在R软件中更好地了解分位数回归优化.在查看分位数回归之前,让我们从样本中计算中位数或分位数(点击文末"阅读原文" ...
R语言向量误差修正模型 (VECMs)分析长期利率和通胀率影响关系
原文链接:http://tecdat.cn/?p=22215 向量自回归模型估计的先决条件之一是被分析的时间序列是平稳的.但是,经济理论认为,经济变量之间在水平上存在着均衡关系,可以使这些变量差分而平 ...
r语言 bsda包_使用R语言creditmodel包进行Vintage分析或留存率分析
1 什么是vintage分析? Vintage分析(账龄分析法)被广泛应用于信用卡及信贷行业,这个概念起源于葡萄酒,即不同年份出产的葡萄酒的品质有差异,那么不同时期开户或者放款的资产质量也有差异,其核 ...
R语言使用survminer包生存分析及可视化（ggsurvplot）实战详解：从数据集导入、生存对象生成、ggsurvplot可视化参数配置、设置、可视化对比
R语言使用survminer包生存分析及可视化(ggsurvplot)实战详解:从数据集导入.生存对象生成.ggsurvplot可视化参数配置.设置.可视化对比目录 R语言使用survminer包生 ...
R语言Logistic回归模型案例:分析吸烟、饮酒与食管癌的关系
R语言Logistic回归模型案例:分析吸烟.饮酒与食管癌的关系目录 R语言Logistic回归模型案例分析吸烟.饮酒与食管癌的关系 #样例数据
R语言描述性统计分析：相关性分析
R语言描述性统计分析:相关性分析相关性分析:pearson.spearman.kendall 相关性系数的显著性检验: 偏相关性分析: library(ISwR) attach(thuesen) c ...
R语言临床诊断试验的ROC分析方法示例
R语言临床诊断试验的ROC分析方法示例 ROC(receiver operating characteristic curve)接收者操作特征曲线,是由二战中的电子工程师和雷达工程师发明用来侦测战场上 ...

R语言之系统聚类（层次）分析之图谱形式完整版

R语言之系统聚类（层次）分析之图谱形式完整版相关推荐

最新文章

热门文章