R语言 | 带P值的相关性热图绘制教程

原文链接:带P值的相关性热图绘制教程

本期教程

往期教程部分内容














**注意:若是在MarkDown格式中无法运行成功,请新建有一个R script文件 **

一、加载R包

if (!require(corrplot)) install.packages("corrplot")
if (!require(Hmisc)) install.packages("ggplot2")library(ggplot2)
library(corrplot)

二、加载示例数据

# 示例数据
data <- mtcars

三、计算相关性

1. 计算代码

cor_matrix <- cor(data, use= 'pairwise.complete.obs',method='spearman')
  1. 参数的选择
  • use参数来处理包含缺失值的数据
    "everything", "all.obs", "complete.obs", "na.or.complete", or "pairwise.complete.obs"

  • everything:默认选项,不处理缺失值。如果数据中有缺失值,将返回 NA。
  • all.obs:只有当所有观察值都存在时才会计算相关性。如果数据中有缺失值,将返回错误。
  • complete.obs:只使用完整的观测对来计算相关性。如果有缺失值,将忽略包含缺失值的观测对。
  • na.or.complete:在有缺失值的情况下会先使用完整的观测对,如果全部是缺失值,则返回 NA。
  • pairwise.complete.obs:每对变量单独处理缺失值,计算每一对变量的相关性时,只使用这两个变量都有数据的观测值。

  • method参数:计算相关性的方法。
    pearson(default),kendall,spearman
cor_matrix
  mpg        cyl       disp         hp        drat         wt        qsec         vs
mpg   1.0000000 -0.9108013 -0.9088824 -0.8946646  0.65145546 -0.8864220  0.46693575  0.7065968
cyl  -0.9108013  1.0000000  0.9276516  0.9017909 -0.67888119  0.8577282 -0.57235095 -0.8137890
disp -0.9088824  0.9276516  1.0000000  0.8510426 -0.68359210  0.8977064 -0.45978176 -0.7236643
hp   -0.8946646  0.9017909  0.8510426  1.0000000 -0.52012499  0.7746767 -0.66660602 -0.7515934
drat  0.6514555 -0.6788812 -0.6835921 -0.5201250  1.00000000 -0.7503904  0.09186863  0.4474575
wt   -0.8864220  0.8577282  0.8977064  0.7746767 -0.75039041  1.0000000 -0.22540120 -0.5870162
qsec  0.4669358 -0.5723509 -0.4597818 -0.6666060  0.09186863 -0.2254012  1.00000000  0.7915715
vs    0.7065968 -0.8137890 -0.7236643 -0.7515934  0.44745745 -0.5870162  0.79157148  1.0000000
am    0.5620057 -0.5220712 -0.6240677 -0.3623276  0.68657079 -0.7377126 -0.20333211  0.1683451
gear  0.5427816 -0.5643105 -0.5944703 -0.3314016  0.74481617 -0.6761284 -0.14819967  0.2826617
carb -0.6574976  0.5800680  0.5397781  0.7333794 -0.12522294  0.4998120 -0.65871814 -0.6336948am       gear        carb
mpg   0.56200569  0.5427816 -0.65749764
cyl  -0.52207118 -0.5643105  0.58006798
disp -0.62406767 -0.5944703  0.53977806
hp   -0.36232756 -0.3314016  0.73337937
drat  0.68657079  0.7448162 -0.12522294
wt   -0.73771259 -0.6761284  0.49981205
qsec -0.20333211 -0.1481997 -0.65871814
vs    0.16834512  0.2826617 -0.63369482
am    1.00000000  0.8076880 -0.06436525
gear  0.80768800  1.0000000  0.11488698
carb -0.06436525  0.1148870  1.00000000

2. 计算P值

使用cor.mtest()函数计算

# 计算P值矩阵
p_values <- cor.ptest(data, conf.level = 0.95, method = "spearman")
#
p_values
mpg          cyl         disp           hp         drat           wt         qsec
mpg  0.000000e+00 4.690287e-13 6.370336e-13 5.085969e-12 5.381347e-05 1.487595e-11 7.055765e-03
cyl  4.690287e-13 0.000000e+00 2.275443e-14 1.867686e-12 1.943342e-05 3.574157e-10 6.195832e-04
disp 6.370336e-13 2.275443e-14 0.000000e+00 6.791338e-10 1.613884e-05 3.346362e-12 8.108019e-03
hp   5.085969e-12 1.867686e-12 6.791338e-10 0.000000e+00 2.277988e-03 1.953795e-07 3.105344e-05
drat 5.381347e-05 1.943342e-05 1.613884e-05 2.277988e-03 0.000000e+00 7.593194e-07 6.170251e-01
wt   1.487595e-11 3.574157e-10 3.346362e-12 1.953795e-07 7.593194e-07 0.000000e+00 2.148388e-01
qsec 7.055765e-03 6.195832e-04 8.108019e-03 3.105344e-05 6.170251e-01 2.148388e-01 0.000000e+00
vs   6.191450e-06 1.484058e-08 2.863870e-06 7.125286e-07 1.023343e-02 4.129434e-04 6.860828e-08
am   8.156989e-04 2.178046e-03 1.352011e-04 4.155768e-02 1.432515e-05 1.453656e-06 2.643506e-01
gear 1.328681e-03 7.678209e-04 3.334775e-04 6.390322e-02 1.014930e-06 2.162837e-05 4.182425e-01
carb 4.337570e-05 5.016643e-04 1.430209e-03 1.799847e-06 4.946824e-01 3.583063e-03 4.150300e-05vs           am         gear         carb
mpg  6.191450e-06 8.156989e-04 1.328681e-03 4.337570e-05
cyl  1.484058e-08 2.178046e-03 7.678209e-04 5.016643e-04
disp 2.863870e-06 1.352011e-04 3.334775e-04 1.430209e-03
hp   7.125286e-07 4.155768e-02 6.390322e-02 1.799847e-06
drat 1.023343e-02 1.432515e-05 1.014930e-06 4.946824e-01
wt   4.129434e-04 1.453656e-06 2.162837e-05 3.583063e-03
qsec 6.860828e-08 2.643506e-01 4.182425e-01 4.150300e-05
vs   0.000000e+00 3.570439e-01 1.169934e-01 9.878823e-05
am   3.570439e-01 0.000000e+00 2.304063e-08 7.263524e-01
gear 1.169934e-01 2.304063e-08 0.000000e+00 5.312358e-01
carb 9.878823e-05 7.263524e-01 5.312358e-01 0.000000e+00

绘制相关性热图

原文链接:带P值的相关性热图绘制教程

若我们的教程对你有所帮助,请点赞+收藏+转发,这是对我们最大的支持。

往期部分文章

1. 最全WGCNA教程(替换数据即可出全部结果与图形)

  • WGCNA分析 | 全流程分析代码 | 代码一

  • WGCNA分析 | 全流程分析代码 | 代码二

  • WGCNA分析 | 全流程代码分享 | 代码三

  • WGCNA分析 | 全流程分析代码 | 代码四

  • WGCNA分析 | 全流程分析代码 | 代码五(最新版本)


2. 精美图形绘制教程

  • 精美图形绘制教程

3. 转录组分析教程

  • 转录组上游分析教程[零基础]

  • 一个转录组上游分析流程 | Hisat2-Stringtie

4. 转录组下游分析

  • 批量做差异分析及图形绘制 | 基于DESeq2差异分析

  • GO和KEGG富集分析

  • 单基因GSEA富集分析

  • 全基因集GSEA富集分析

小杜的生信筆記 ,主要发表或收录生物信息学教程,以及基于R分析和可视化(包括数据分析,图形绘制等);分享感兴趣的文献和学习资料!!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/36768.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

27、架构-微服务需要的条件

微服务需要的条件 在决定采用微服务架构之前&#xff0c;需要明确其前提条件。微服务架构不仅仅是技术上的变革&#xff0c;更涉及组织结构和团队文化的调整。以下是微服务需要的几个关键条件&#xff1a; 1. 组织结构 微服务的成功实施依赖于组织结构的支持。根据康威定律&…

【python】PyQt5对象类型的判定,对象删除操作详细解读

✨✨ 欢迎大家来到景天科技苑✨✨ &#x1f388;&#x1f388; 养成好习惯&#xff0c;先赞后看哦~&#x1f388;&#x1f388; &#x1f3c6; 作者简介&#xff1a;景天科技苑 &#x1f3c6;《头衔》&#xff1a;大厂架构师&#xff0c;华为云开发者社区专家博主&#xff0c;…

【离散数学·图论】(复习)

一、基本概念 1.一些基本术语&#xff1a; 2.点u&#xff0c;v邻接&#xff08;或相邻&#xff09;: 边e称为关联顶点u和v,or e连接u和v; 3.G(V,E)中&#xff0c;顶点v所有邻居的集合&#xff1a;N(v), 成为v的邻域。 4.度 &#xff1a; deg(v) 5.悬挂点&#xff1a;度为1的…

鸿蒙智慧监控解决方案:由Al视觉盒、网络摄像头、管理后台、手机端、NVR等组成

方案架构 整体技术架构由Al视觉盒、网络摄像头、管理后台、手机端、NVR等组成&#xff0c;提供从前端智能监控到后端数据处理的完整闭环。 方案价值 01/节约人力成本 ①AI算法对监控内容进行实时的智能检测&#xff0c;准确率高&#xff0c;有效减少错漏&#xff0c;无需多个…

springCloudalibabaAI孵化(一)

目录 1、what 1、简介 2、核心概念 3、高级特性 Prompt 和 AiResponse 4、功能 2、How 1、前言 2、在项目 pom.xml 中加入 2023.0.1.0 版本 Spring Cloud Alibaba 依赖&#xff1a; 3、在 配置文件中加入以下配置&#xff1a;application.yml 4、编写聊天服务实现类&a…

如何精准分析人形机器人运动数据?

全球“机器换人”进程加速,人形机器人有望成为AI下一个重要落地应用场景;EtherCAT-Analyzer具备分析人形机器人所有关节和电池与主站的通讯信息,快速掌握节点网络状态! 前言 随着人形机器人行业的发展及《中国制造2025》的全面实施,传统的脉冲模式控制很大程度上制约了机…

照明物联网:基于网关的智能照明云监控系统解决方案

智能照明系统就是利用物联网技术&#xff0c;将同一空间的照明、空调、新风、排风等系统共同接入物联网平台&#xff0c;实现了“设备互联、数据互通”的智慧物联能力。照明数据、环境监测数据通过网关上传云端&#xff0c;在云端进行统计分析并将结果通过各种终端共享&#xf…

JVM专题十三:总结与整理(持续更新)

图解JVM JVM与Java体系结构 JVM垃圾回收算法 JVM垃圾回收器 图解JVM主要是放了前面12个章节的我们给大家画的图&#xff0c;做了整体的汇总&#xff0c;大家可以根据图区回忆我们所说的内容&#xff0c;查缺补漏。 实战经验 1、项目中数据量多少&#xff0c;QPS与TPS最高多少…

充电站,正在杀死加油站

最近&#xff0c;深圳公布了一组数据&#xff0c;深圳的超级充电站数量已超过传统加油站数量&#xff0c;充电枪数量也已超过加油枪数量。 从全国范围看&#xff0c;加油站关停的速度在加快。 充电站正在杀死加油站。 加油站&#xff0c;未来何去何从&#xff1f; 01. 减少 我…

FFmpeg教程-二-代码实现录音

目录 一&#xff0c;实现步骤 二&#xff0c;具体实现 1&#xff0c;注册设备 2&#xff0c;获取输入格式对象 3&#xff0c;打开设备 4&#xff0c;采集数据 一&#xff0c;实现步骤 二&#xff0c;具体实现 1&#xff0c;注册设备 // 初始化libavdevice并注册所有输入…

vue动态渲染元素,对处于奇数位置的元素设置样式

在Vue中&#xff0c;如果你想要对动态渲染的列表中处于奇数位置的元素设置样式&#xff0c;你可以使用v-for指令结合index来实现。v-for指令允许你指定一个key和一个index&#xff0c;其中index代表当前元素在列表中的位置&#xff08;从0开始计数&#xff09;。 以下是如何对…

操作系统-中断和异常

中断和异常 用户态&#xff1a;普通应用程序运行在用户态&#xff0c;有很多权限限制 内核态&#xff1a;操作系统运行在内核态&#xff0c;有完全的权限访问和管理所有资源&#xff08;硬件&#xff0c;内存&#xff09; 中断的作用 把CPU从用户态变内核态 异常&#xff08…

C++ 教程 - 07 类的静态成员

文章目录 静态成员 静态成员 使用static修饰的成员&#xff1b; 静态的成员变量&#xff1b; 仅保留一份副本&#xff0c;不管创建多少个实例对象&#xff0c;都共享这一份数据&#xff1b;类、对象均可以调用&#xff1b;类外重新声明&#xff0c;并通过类初始化&#xff1b;…

C语言:哈希表

1、文章声明&#xff1a; 本文是基于链地址法建立的哈希表。文章中若存在错误&#xff0c;欢迎各路大佬指正。本文涉及二级指针&#xff0c;链表等内容。该方面的知识点&#xff0c;可以参考文章&#xff1a; 数据结构&#xff1a;单链表的相关操作-CSDN博客 C语言&#xff…

什么是软件架构的 4+1视图?如何运用?有什么优缺点?

一、41视图的起源 41视图最早由Philippe Kruchten提出。他在1995年的《IEEE Software》上发表了题为《The 41 View Model of Architecture》的论文&#xff0c;这一论文的发表引起了业界的极大关注&#xff0c;并最终被RUP&#xff08;Rational Unified Process&#xff0c;统一…

【力扣】有效的字母异位词

&#x1f525;博客主页&#xff1a; 我要成为C领域大神&#x1f3a5;系列专栏&#xff1a;【C核心编程】 【计算机网络】 【Linux编程】 【操作系统】 ❤️感谢大家点赞&#x1f44d;收藏⭐评论✍️ 本博客致力于知识分享&#xff0c;与更多的人进行学习交流 给定两个字符串 s …

JavaScript数据类型介绍

目录 任务描述 相关知识 数字类型 字符串 布尔型 数组 null和undefined 对象类型 编程要求 任务描述 本关任务&#xff1a;判断函数objectTest()里变量的数据类型&#xff0c;给变量赋予规定的变量值。 相关知识 数字类型 JavaScript 中的数字类型指整数和浮点数&…

.xz文件解压缩

要解压缩.xz文件&#xff0c;你可以根据你的操作系统使用不同的工具&#xff1a; 对于Windows&#xff1a; 7-Zip&#xff1a;从官网安装7-Zip&#xff0c;右键点击.xz文件&#xff0c;选择7-Zip菜单中的“解压到此处”或“解压到<文件夹名称>”。 对于macOS&#xff…

详细分析SpringBootTest中的测试类(附Demo)

目录 前言1. 基本知识2. Demo3. 实战3.1 项目测试3.2 功能测试 前言 书写测试类&#xff0c;一般只需要加入Test即可&#xff0c;但是结合Springboot项目来整体测试对应需要怎么下手 详细的Java知识点推荐阅读&#xff1a;java框架 零基础从入门到精通的学习路线 附开源项目面…

vCenter-集群证书过期告警

VXR01405C ALARM Certificate is about to expire - 问题摘要&#xff1a;集群证书过期告警 - 分析/故障排除: 检查发现Machine SSL证书即将在7约25号过期。 - 解决方案/工作方法&#xff1a; 手动更新SSL证书并重启了vcenter服务后&#xff0c;目前machine SSL 证书续签到…