R語言之視覺化①③散點圖+擬合曲線
目錄
R語言之視覺化①誤差棒
R語言之視覺化②點圖
R語言之視覺化③點圖續
R語言之視覺化④點韋恩圖upsetR
R語言之視覺化⑤R圖形系統
R語言之視覺化⑥R圖形系統續
R語言之視覺化⑦easyGgplot2散點圖
R語言之視覺化⑧easyGgplot2散點圖續
R語言之視覺化⑨火山圖
R語言之視覺化⑩座標系統
R語言之視覺化①①熱圖繪製heatmap
R語言之視覺化①②熱圖繪製2
R語言之視覺化①③散點圖+擬合曲線
======================================
散點圖一般用於展示兩個變數之間的關係(比如線性相關)例如兩個基因表達量的相關性。
cor.test(datagene2)
Pearson's product-moment correlation
data: data gene1 and data$gene2
t = 2.4858, df = 395, p-value = 0.0133495 percent confidence interval:
0.02600102 0.21984192cor 0.1241053
例項:通過以下程式碼計算兩個基因的相關性
-
①使用ggplot2繪製
p1 <- ggplot(data = data, mapping = aes(x = gene1,
y = gene2)) +
geom_point(colour = "#426671", size = 2) + geom_smooth(method = lm,colour='#764C29',fill='#E7E1D7')
p1 <- p1+ stat_cor(method = "pearson",
label.x = 0.15,
label.y = 30)+xlim(0,0.44)
p1
p1 <- p1 + xlab("gene1") +
theme(axis.title.x = element_text(size = 16,
face = "bold",
vjust = 0.5,
hjust = 0.5))+
ylab("gene2") +
theme(axis.title.y = element_text(size = 16,
face = "bold",
vjust = 0.5,
hjust = 0.5))+
theme_bw()
p1
-
②使用ggscatter繪製
ggscatter(data, x = "gene1", y = "gene2",
color = "#426671", size =2, # Points color, shape and size
add = "reg.line", # Add regressin line
add.params = list(color = "#764C29", fill = "#E7E1D7"), # Customize reg. line
conf.int = TRUE, # Add confidence interval
cor.coef = TRUE, # Add correlation coefficient. see ?stat_cor
cor.coeff.args = list(method = "pearson", label.x = 3, label.sep = "\n")
)+stat_cor(method = "pearson",
label.x = 0.15,
label.y = 30)+xlim(0,0.44)+
xlab("gene1") + ylab('gene2)
theme(axis.title.x = element_text(size = 16,
face = "bold",
vjust = 0.5,
hjust = 0.5))+
ylab("gene2") +
theme(axis.title.y = element_text(size = 16,
face = "bold",
vjust = 0.5,
hjust = 0.5))+
theme_bw()
p1
可以看出兩個基因關聯性並不高。
一些ggscatter的例子
set.seed(1234)
dat <- data.frame(cond = rep(c("A", "B"), each=10),
xvar = 1:20 + rnorm(20,sd=3),
yvar = 1:20 + rnorm(20,sd=3))
head(dat)
library(ggplot2)
繪製最基本的線性迴歸圖
ggplot(dat, aes(x=xvar, y=yvar)) +
geom_point(shape=1) # Use hollow circles
ggplot(dat, aes(x=xvar, y=yvar)) +
geom_point(shape=1) + # Use hollow circles
geom_smooth(method=lm) # Add linear regression line
# (by default includes 95% confidence region)
ggplot(dat, aes(x=xvar, y=yvar)) +
geom_point(shape=1) + # Use hollow circles
geom_smooth(method=lm, # Add linear regression line
se=FALSE) # Don't add shaded confidence region
ggplot(dat, aes(x=xvar, y=yvar)) +
geom_point(shape=1) + # Use hollow circles
geom_smooth() # Add a loess smoothed fit curve with confidence region
#> `geom_smooth()` using method = 'loess'
可以自定義設定點的顏色和大小
# Set color by cond
ggplot(dat, aes(x=xvar, y=yvar, color=cond)) + geom_point(shape=1)
# Same, but with different colors and add regression lines
ggplot(dat, aes(x=xvar, y=yvar, color=cond)) +
geom_point(shape=1) +
scale_colour_hue(l=50) + # Use a slightly darker palette than normal
geom_smooth(method=lm, # Add linear regression lines
se=FALSE) # Don't add shaded confidence region
# Extend the regression lines beyond the domain of the data
ggplot(dat, aes(x=xvar, y=yvar, color=cond)) + geom_point(shape=1) +
scale_colour_hue(l=50) + # Use a slightly darker palette than normal
geom_smooth(method=lm, # Add linear regression lines
se=FALSE, # Don't add shaded confidence region
fullrange=TRUE) # Extend regression lines
# Set shape by cond
ggplot(dat, aes(x=xvar, y=yvar, shape=cond)) + geom_point()
# Same, but with different shapes
ggplot(dat, aes(x=xvar, y=yvar, shape=cond)) + geom_point() +
scale_shape_manual(values=c(1,2)) # Use a hollow circle and triangle
相關文章
- R語言之視覺化①②熱圖繪製2R語言視覺化
- 第五篇:R語言資料視覺化之散點圖R語言視覺化
- Python視覺化-散點圖與彩色散點圖Python視覺化
- SoviChart資料視覺化:散點圖(Scatter plot)視覺化
- 如何利用散點圖矩陣進行資料視覺化矩陣視覺化
- Python擬合曲線Python
- [Open3d系列]--點雲曲線擬合3D
- R視覺化09|ggplot2-圖層圖形語法 (1)視覺化
- 第四篇:R語言資料視覺化之折線圖、堆積圖、堆積面積圖R語言視覺化
- excel曲線擬合怎麼弄Excel
- 如何使用Python曲線擬合Python
- Python視覺化-折線圖Python視覺化
- 第三篇:R語言資料視覺化之條形圖R語言視覺化
- 資料視覺化如何選擇合適的視覺化圖表?視覺化
- R繪圖(7): 把散點圖的點換成扇形繪圖
- R繪圖(3): 散點圖新增文字註釋繪圖
- 【Python】keras使用LSTM擬合曲線PythonKeras
- Python視覺化(1):折線圖Python視覺化
- 第六篇:R語言資料視覺化之資料分佈圖(直方圖、密度曲線、箱線圖、等高線、2D密度圖)R語言視覺化直方圖
- 資料視覺化圖表之折線圖視覺化
- R語言:KEGG富集、視覺化教程,附程式碼R語言視覺化
- python畫散點圖和折線圖Python
- Python資料視覺化:5段程式碼搞定散點圖繪製與使用,值得收藏Python視覺化
- .NET 白板書寫加速-曲線擬合預測
- dwg解析-樣條曲線擬合點解析(中望CAD匯出)
- Excel 散點圖和折線圖的區別Excel
- matplotlib 繪圖視覺化知識點整理繪圖視覺化
- R語言的常用型別、三個視覺化工具使用特點R語言型別視覺化
- 圖撲孿生工廠流水線組態圖視覺化視覺化
- 同花順股票分數視覺化 | R爬蟲&視覺化第3季視覺化爬蟲
- 最小二乘法擬合曲線:4次函式函式
- 使用動畫曲線編輯器打造炫酷的3D視覺化ACE動畫3D視覺化
- 資料視覺化編輯平臺上線,小程式也能擁有視覺化圖層視覺化
- vtk視覺化管線視覺化
- 柔性振動盤視覺散料 CCD視覺上料視覺
- Echarts資料視覺化:圖表篇(2)—— 折線圖、堆疊面積折線圖Echarts視覺化
- DAAM:首次利用視覺語言學解釋大型擴散模型視覺模型
- 【ttyp】ASP.NET圖形化的曲線圖類ASP.NET