R画corplot

相关性系数是判别两个样品之间相似度的一种度量方式，如果有多个样品，你打算看看他们之间的相似性，比较好的一种办法就是画corplot

这里给出来一个R语言的ggplot版本的方法，

install.packages("corrplot")

library(corrplot)

rna<-read.table("merge.xls",header=TRUE)

data<-subset(rna,sum1>0)

rnacor<-cor(data[2:7])

#这里用了col1的概念，其实是corplot官方说明文档上的一段代码，挺好用，大家也可以直接拷过去

col1 <- colorRampPalette(c("#7F0000","red","#FF7F00","yellow","white", 
			"cyan", "#007FFF", "blue","#00007F"))
col2 <- colorRampPalette(c("#67001F", "#B2182B", "#D6604D", "#F4A582", "#FDDBC7",
			"#FFFFFF", "#D1E5F0", "#92C5DE", "#4393C3", "#2166AC", "#053061"))	
col3 <- colorRampPalette(c("red", "white", "blue"))	
col4 <- colorRampPalette(c("#7F0000","red","#FF7F00","yellow","#7FFF7F", 
			"cyan", "#007FFF", "blue","#00007F"))	
wb <- c("white","black")


par(ask = TRUE)

corrplot(rnacor,method="pie",shade.col="red",tl.col="red",tl.offset=0.8,tl.srt=45,order="hclust",addCoef.col="red")

corrplot(rnacor, method="square", col=col2(200),order = "hclust")

 

这里有一个挺有意思的事情，就是在算person相关性系数的时候，如果在过滤的过程中，把一行全部是0的行去掉，相关性系数会很低，如果把一行内最小值是0的都过滤掉，那么相关性系数就会很高，这个具体算法的取舍，因为皮尔逊相关系数在计算的过程中对0敏感，希望读者在具体项目中要加以注意，这里测试过一下，如果把0赋予一个比较小的值，其相关性系数还是比较低，这样来看应该是较小的数值对pearson系数构成了影响，直接把是0的过滤掉，相关性系数就很高啦。

数据:

10S	1S	3S	6S	8S	9S
1.72953	2.49995	2.8954	3.97646	3.04071	1.72953
243.827	270.098	301.783	343.476	279.752	243.827
42.7525	39.2311	46.4	32.9699	44.5847	42.7525
0	0	0	0	0	0
0	0	0	0	0.14908	0
0.130414	0.067166	0.097597	0.033922	0.260782	0.130414
47.5932	58.1898	62.7048	86.8684	71.1578	47.5932
48.0345	59.2795	63.4637	88.6718	71.0701	48.0345
47.3283	58.3714	62.9383	87.0212	70.4561	47.3283
363.076	417.626	444.945	629.738	542.223	363.076
16.7139	18.9893	18.0218	19.559	19.8357	16.7139
0	0	0	0	0	0
18.9541	22.6626	23.7261	23.8286	23.4944	18.9541
171.233	150.81	164.34	174.828	199.335	171.233
2.72481	7.13037	5.63469	3.85679	5.39862	2.72481
0	0	0	0	0	0
0	0	0	0	0	0
0	0	0	0	0	0
0	0	0	0	0	0
0	0	0	0	0	0
1.28784	1.21915	0.642922	1.17715	0.644234	1.28784