R语言数据处理学习记录--使用linkET包完成mental test
R语言数据处理学习记录–使用linkET包完成mental test
注:本文仅作为自己的学习记录以备复习查阅
一 简单介绍一下
这个包依旧是来自于GitHub上,作者给出的介绍:linkET的目标是简单而直接地可视化基于’ ggplot2 '的矩阵热图。其实作者已经给出了非常详细的包的使用方法,从Data processing到后面各种图形的绘制都有详细的代码和图片展示,所以这里just给一些无法很方便访问GitHub但又有这方面需求的小伙伴做一个分享。
二 安装及使用方法
linkET包的安装:
# install.packages("devtools")
devtools::install_github("Hy4m/linkET", force = TRUE)
packageVersion("linkET")
如果无法直接通过GitHub安装,可以尝试下面其他的方法:
其他安装方法:
1 安装devtools或remotes包(Rstudio中),再使用devtools或者remotes安装GitHub上的包
install.packages("devtools")
install.packages("remotes")
devtools::install_github('Hy4m/linkET')
2 本地安装
我们在GitHub或者gitee上将zip包下载下来(xxx-master.zip),使用命令(路径啥的记得自己修改一下):
remotes::install_local("D:/linkET-master.zip",upgrade = F,dependencies = T)
接下来我们进行数据的处理和导入:
数据处理与导入:
与ggcor包的处理方法是一样的,我上一篇文章已经写过了,有需要的可以点击查看:https://blog.csdn.net/qq_22658373/article/details/129784098?spm=1001.2014.3001.5501
作者给出的代码如下,供大家参考:
library(linkET)
## matrix_data
matrix_data(list(mtcars = mtcars))
#> A matrix data object:
#> Number: 1
#> Names: mtcars
#> Dimensions: 32 rows, 11 columns
#> Row names: Mazda RX4, Mazda RX4 Wag, Datsun 710, Hornet 4 Drive, Hor...
#> Column names: mpg, cyl, disp, hp, drat, wt, qsec, vs, am, gear, carb## md_tbl
matrix_data(list(mtcars = mtcars)) %>% as_md_tbl()
#> # A tibble: 352 × 3
#> .rownames .colnames mtcars
#> * <chr> <chr> <dbl>
#> 1 Mazda RX4 mpg 21
#> 2 Mazda RX4 Wag mpg 21
#> 3 Datsun 710 mpg 22.8
#> 4 Hornet 4 Drive mpg 21.4
#> 5 Hornet Sportabout mpg 18.7
#> 6 Valiant mpg 18.1
#> 7 Duster 360 mpg 14.3
#> 8 Merc 240D mpg 24.4
#> 9 Merc 230 mpg 22.8
#> 10 Merc 280 mpg 19.2
#> # … with 342 more rows## as method
as_matrix_data(mtcars)
#> A matrix data object:
#> Number: 1
#> Names: mtcars
#> Dimensions: 32 rows, 11 columns
#> Row names: Mazda RX4, Mazda RX4 Wag, Datsun 710, Hornet 4 Drive, Hor...
#> Column names: mpg, cyl, disp, hp, drat, wt, qsec, vs, am, gear, carbas_md_tbl(mtcars)
#> # A tibble: 352 × 3
#> .rownames .colnames mtcars
#> * <chr> <chr> <dbl>
#> 1 Mazda RX4 mpg 21
#> 2 Mazda RX4 Wag mpg 21
#> 3 Datsun 710 mpg 22.8
#> 4 Hornet 4 Drive mpg 21.4
#> 5 Hornet Sportabout mpg 18.7
#> 6 Valiant mpg 18.1
#> 7 Duster 360 mpg 14.3
#> 8 Merc 240D mpg 24.4
#> 9 Merc 230 mpg 22.8
#> 10 Merc 280 mpg 19.2
#> # … with 342 more rows## special function for correlation matrix
correlate(mtcars) %>% as_matrix_data()
#> A matrix data object:
#> Number: 2
#> Names: r, p
#> Dimensions: 11 rows, 11 columns
#> Row names: mpg, cyl, disp, hp, drat, wt, qsec, vs, am, gear, carb
#> Column names: mpg, cyl, disp, hp, drat, wt, qsec, vs, am, gear, carbcorrelate(mtcars) %>% as_md_tbl()
#> # A tibble: 121 × 4
#> .rownames .colnames r p
#> * <chr> <chr> <dbl> <dbl>
#> 1 mpg mpg 1 0
#> 2 cyl mpg -0.852 6.11e-10
#> 3 disp mpg -0.848 9.38e-10
#> 4 hp mpg -0.776 1.79e- 7
#> 5 drat mpg 0.681 1.78e- 5
#> 6 wt mpg -0.868 1.29e-10
#> 7 qsec mpg 0.419 1.71e- 2
#> 8 vs mpg 0.664 3.42e- 5
#> 9 am mpg 0.600 2.85e- 4
#> 10 gear mpg 0.480 5.40e- 3
#> # … with 111 more rows
接下来进入正题
mantal test:
加载一些需要用到的包
library(vegan)
library(dplyr)
library(linkET)
library(ggplot2)#导出图片用
进行mental test:
mantel <- mantel_test(spec = Spec, env = educations,spec_select = list(Temperature = 1, Rainfall = 2)) %>% mutate(rd = cut(r, breaks = c(-Inf, 0.2, 0.4, Inf),labels = c("< 0.2", "0.2 - 0.4", ">= 0.4")),pd = cut(p, breaks = c(-Inf, 0.01, 0.05, Inf),labels = c("< 0.01", "0.01 - 0.05", ">= 0.05")))
运行上述代码后会生成一个mental的数据,上面给出的代码也是可以按需进行修改的,Spec和educations是我的两个数据集,记得在使用的时候更换为自己的数据集名称。
绘制图像:
p1 <- qcorrplot(correlate(educations), type = "lower", diag = FALSE) +geom_square() +geom_couple(aes(colour = pd, size = rd), data = mantel, curvature = nice_curvature()) +scale_fill_gradientn(colours = RColorBrewer::brewer.pal(11, "RdBu")) +scale_size_manual(values = c(0.25, 0.5, 1)) +scale_colour_manual(values = color_pal(3)) +guides(colour = guide_legend(title = "Mantel's p", override.aes = list(size = 3), order = 1),#size = guide_legend(title = "Mantel's r",#override.aes = list(colour = "grey35"), #order = 2),fill = guide_colorbar(title = "Spearman's r", order = 3))
最后一步就是让计算结果可视化起来,这里我更改之后的代码,其中颜色线条粗细和一些字都是可以更改和调整的(数据集名称记得调换)
查看可视化结果:
p1#也可以取其他名字,这里对应前一步可视化时赋值的标识符
导出图片(高清):
ggsave("D:/mantel-linkET.tiff",p1,width=8,height=6)
可以根据根据需求更改路径。
写在最后
linkET和ggcor基本上可以说是同根同源的包,且他们能实现的功能并不只有mantal test ,包括一些热图什么的都可以画,大家有兴趣的可以去作者的GitHub主页或者gitee上,gitee上也有拉取的数据库,能够看到源码和实现的效果。
**citation:**
To cite linkET in publications use:Houyun Huang(2021). linkET: Everything is Linkable. R package version 0.0.3.
R语言数据处理学习记录--使用linkET包完成mental test相关推荐
- R语言可视化学习笔记之ggridges包绘制山峦图
作者:严涛 浙江大学作物遗传育种在读研究生(生物信息学方向)伪码农,R语言爱好者,爱开源. 严涛老师的绘图教程还有: gganimate |诺奖文章里面的动图绘制教程来了!! ggplot2学习笔记之 ...
- R语言基础学习记录4:重要函数
时间: 2018-07-18(学习) 2018-07-22(学习记录) 教程:慕课网 <R语言基础> 讲师:Angelayuan 补充内容: R语言常用函数总结大全.gl()函数 学习内容 ...
- R语言可视化学习笔记之ggridges包
作者:严涛 浙江大学作物遗传育种在读研究生(生物信息学方向)伪码农,R语言爱好者,爱开源. 严涛老师的绘图教程还有: gganimate |诺奖文章里面的动图绘制教程来了!! ggplot2学习笔记之 ...
- R语言可视化学习笔记之相关矩阵可视化包ggcorrplot
本文转载自"R语言中文社区",己获授权. 作者简介Introduction taoyan:伪码农,R语言爱好者,爱开源. 个人博客: https://ytlogos.github. ...
- 语句拼接_第2课:一个周末学会R语言数据处理:表拆分和拼接
从一线收集了两百个文件,要整合到一起?总部一张全国两百个城市的汇总表,拆成两百个小文件?开什么玩笑,难道要复制粘贴到天荒地老... 不用这么麻烦,一个循环,一个语句,实现快速表拆分和表拼接,从此告别复 ...
- R语言数据处理——基础篇 data.frame基本操作
文章目录 R语言数据处理--基础篇 data.frame基本操作 data.frame的创建 数据访问.条件筛选与删除 数据访问 数据筛选 删除 使用`gather()`进行data.frame数据格 ...
- 【万字长文】R语言入门学习路线与资源汇总
本篇推文就不介绍为什么需要学R了,你能打开这篇文章,说明你有学习R的想法或者正在学习R的路上. 今天简单介绍下R语言的学习路线以及R学习资源汇总. 下面涉及到的R语言书籍我打包了PDF文件,有需要的在 ...
- 基础004:R语言数据处理和变换——dplyr
dplyr 背景简介 安装和数据准备 常用函数 变量筛选select 数据筛选filter 排序arrange 创建新变量mutate 本文"植物微生物组"公众号原创,ID: pl ...
- R语言系统自带及附属包开元可用数据集汇总
R语言系统自带及附属包开元可用数据集汇总 目录 R语言系统自带及附属包开元可用数据集汇总 #R自带数据集 #R的各种包自带数据集 #R自带数据集 向量 euro #欧元汇率,长度为11,每个元素都有命 ...
最新文章
- 1039 到底买不买
- Flask驱动的静态站点生成器(译)
- SqLite中的事务
- Improved Alpha-Tested Magnification for Vector Textures and Special Effects
- Java的OOP三大特征之一——多态
- 我的docker随笔10:docker客户端使用其它主机的docker服务器
- 自定义AlertDialog控件的使用(AndroidStudio)
- Android 开发 关于APP无法安装到Android模拟器上的问题
- Android指纹识别
- java面向对象(封装-继承-多态)
- 获取分辨率函数是什么_什么是像素?分辨率是什么?
- 通信原理-数字基带传输
- 计算机小键盘的基本知识,电脑入门——第2章_计算机键盘操作基础概述.doc
- VMware 虚拟机图文安装和配置 AlmaLinux OS 8.6 教程
- Java语言,从入门到放弃
- C盘中哪些文件可以删除?
- 项目管理知识点-结合Enovia项目管理模块
- G-sensor的两种使用方式
- DirSync: List of attributes that are synced by the Azure Active Directory Sync Tool
- *1-4 OJ 605 格雷码
热门文章
- 宽电压输入8-100V降压5V12V/1.5A2A电动车降压芯片方案
- 力扣一日一练(5)——最长公共前缀
- 个人总结的Android中高级面试知识点大全(非培训机构)
- Linux引导文件包下载,boot repair
- 2个字节能存多少个16进制_多个二进制分析工具各项性能进行的分析与比较
- JMeter性能测试[1]
- 即兴演讲的“三定”和“四思”、“五借”技巧
- 《如何培养孩子拥有独立思考习惯》--体会 学习习惯第四讲
- 2021-05-25
- 分享S60 精品软件集