R统计绘图 |
您所在的位置：网站首页 › 如何p图更改图片数字大小 › R统计绘图 |
R统计绘图
|
上一篇文章推送的是怎样调整corrplot热图的可视化参数，以修改字符和图例位置，数据可视化形式和字符小大和颜色等这篇是一个补充部分，记录怎样修改参数以变量排序方式和突出部分数据。本流程还是使用R统计绘图-环境因子相关性热图中的不同土壤环境因子数据进行相关性分析、绘制热图并进行图细节更改。流程开始按下图整理环境因子数据，行为样品名称，列为环境因子名称和分组信息，共有11个环境变量，3个分组信息。
图1|环境因子及分组信息表，env.csv。 1 设置工作路径并调用R包 # 设置工作路径#knitr::opts_knit$set(root.dir="D:\\EnvStat")# 使用Rmarkdown进行程序运行Sys.setlocale('LC_ALL','C') # Rmarkdown全局设置 # 调用R包library(Rmisc) library(corrplot)library(ggcorrplot)library(RColorBrewer)library(grDevices)library(vegan) 2 数据读入 options(stringsAsFactors=F)# R中环境变量设置，防止字符型变量转换为因子# 读入环境因子数据表ENV=read.csv("env.csv",header = T,row.names = 1,sep = ",",comment.char = "",stringsAsFactors = F,colClasses = c(rep("character",4),rep("numeric",11))) head(ENV) # 查看数据前几行 #dim(ENV) # 查看数据行、列数 #str(ENV) # 查看数据表每列的数据形式 # 解决数据中存在ties的警告，选用"pearson"fan方法计算相关性系数，不用运行此命令 ENV[4:14] = rank(ENV[4:14], ties.method = "random") # 使用 "kendall"或 "spearman"方法计算相关性系数，可能会遇到此报错3 绘制相关性热图 3.1 计算相关性系数、置信区间和显著性检验 # 3.1.1 环境因子相关性分析，根据自己的数据选择相关性计算方法："pearson", "kendall", or "spearman" #env.cor |
【本文地址】
今日新闻 |
推荐新闻 |