R语言如何绘制相关性矩阵

什么是相关性矩阵？

相关性是指两个或多个变量之间的关系或相互影响程度。若两组的值一起增大，我们称之为正相关，若一组的值增大时，另一组的值减小，我们称之为负相关。其值介于-1与1之间，即越接近1，越正相关；越接近-1，越负相关。

常见的有两种计算相关性的算法：皮尔逊相关性(pearson)和斯皮尔曼相关性(spearman)。皮尔逊相关性最常用，适合正态分布的数据。斯皮尔曼相关性是秩相关，不受极大极小值的影响。

在组学中的应用，例如，两个技术性重复实验的结果相关性很低，则说明数据有异常。

需要注意的地方，做样本之间的相关性的时候，蛋白之间要对应，不可随意打乱顺序。数据中有缺失值的情况，通常用”pairwise.complete.obs”算法处理缺失值，即两两配对删除缺失值。

计算完相关性后，我们通过相关性矩阵做可视化。矩阵的上下中多个个面板支持多种图案，有热力图，柱形图，散点图，折线图，饼图等多种模式可供选择。

绘图前的数据准备

这里就用R语言自带的示例数据了，iris

# A tibble: 150 x 5
   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
          <dbl>       <dbl>        <dbl>       <dbl> <fct>  
 1          5.1         3.5          1.4         0.2 setosa 
 2          4.9         3            1.4         0.2 setosa 
 3          4.7         3.2          1.3         0.2 setosa 
 4          4.6         3.1          1.5         0.2 setosa 
 5          5           3.6          1.4         0.2 setosa 
 6          5.4         3.9          1.7         0.4 setosa 
 7          4.6         3.4          1.4         0.3 setosa 
 8          5           3.4          1.5         0.2 setosa 
 9          4.4         2.9          1.4         0.2 setosa 
10          4.9         3.1          1.5         0.1 setosa 
# i 140 more rows

R语言如何绘制相关性矩阵图

本篇是用R包GGally做相关性矩阵图的教程

# 代码来源：https://www.r2omics.cn/
library(GGally)

# 绘图
ggpairs(
  data = iris,                                    # 数据
  mapping = aes(fill = Species, color = Species), # 映射，同ggplot2
  # columns = 1:ncol(data),                       # 对选中的列绘图，默认是全部列
  upper = list(                                   # 指定上方面板，各种情况下的使用的图形，有哪些参数见下方附录
    continuous = "cor",                           # xy轴都是连续型向量时的图案
    combo = "box_no_facet",                       # xy轴有一个时候连续型，另一个是离散型时的图案
    discrete = "count",                           # xy轴都是离散型向量时的图案
    na = "blank"                                  # 当某个方向的数据全为NA时，显示的内容
  ),
  lower = list(                                   # 指定下方面板，各种情况下的使用的图形
    continuous = "points",                      
    combo = "facethist",
    discrete = "facetbar",
    na = "na"
  ),
  diag = list(                                    # 指定中间面板，各种情况下的使用的图形
    continuous = "densityDiag",
    discrete = "barDiag",
    na = "naDiag"
  ),
  axisLabels = "show",                            # 轴标签的显示方式，内部显示：internal 不显示：none
  # columnLabels = c("a", "b", "c", "d", "e"),    # 分面标签显示的名称，默认为列名
  switch = NULL,                                  # 分面标签的位置，x：右下， y：左上， both：左下， NULL：右上
  showStrips = NULL                               # NULL：只显示右上方的分页标签   True：显示所有矩阵中的分页标签
)+
  # ggpairs底层基于ggplot2, 可以用其他的ggplot2语法修改，例如
  theme_bw()+                                     # 主题
  scale_fill_manual(values = c("#e41a1c", "#377eb8", "#4daf4a", "#984ea3")) +   # fill调色
  scale_color_manual(values = c("#e41a1c", "#377eb8", "#4daf4a", "#984ea3"))+   # color调色
  labs(         # 坐标轴名称选项
    x = "",     # x轴名称
    y = "",     # y轴名称
    title = ""  # 标题名字
  )