作者：李誉辉 四川大学在读研究生

往期精彩：

R_插值_拟合_回归_样条

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

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

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：

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()

公众号后台回复关键字即可学习

回复 爬虫            爬虫三大案例实战  
回复 Python       1小时破冰入门

回复 数据挖掘     R语言入门及数据挖掘
回复 人工智能     三个月入门人工智能
回复 数据分析师  数据分析师成长之路 
回复 机器学习      机器学习的商业应用
回复 数据科学      数据科学实战
回复 常用算法      常用数据挖掘算法