锐客网

  1. 首页 > 生活百科 > it技术 > >

r语言go分析包 r语言分析软件

IT技术Geom

R语言：clusterProfiler进行GO富集分析和Gene_ID转换 ID转换用到r语言go分析包的是 bitr() 函数r语言go分析包，bitr()的使用方法r语言go分析包：
org.Hs.eg.db包含有多种gene_name的类型
keytypes() ：keytypes(x)r语言go分析包 ， 查看注释包中可以使用的类型
columns() ：类似于keytypes()r语言go分析包，针对org.Hs.eg.db两个函数返回值一致
select() ：select(x, keys, columns, keytype, ...) eg.
函数enrichGO()进行GO富集分析 ， enrichGO()的使用方法：
举例：
[R语言] GO富集分析可视化 GOplot::GOCircle 查看GOplot内示例数据的格式 ， 对自己的数据做处理
观察结论：
观察自己的两个数据表：
table.legend 设置为T时会显示表格
本图中表格和图例是出图后剪切拼合而成，没有用R中的拼图包
【R语言】解决GO富集分析绘图，标签重叠问题 前面r语言go分析包我给大家详细介绍过
?GO简介及GO富集结果解读
?四种GO富集柱形图、气泡图解读
?GO富集分析四种风格展示结果—柱形图r语言go分析包，气泡图
?KEGG富集分析—柱形图，气泡图 ， 通路图
?DAVID GO和KEGG富集分析及结果可视化
也用视频给大家介绍过
?GO和KEGG富集分析视频讲解
最近有粉丝反映说，利用clusterProfiler这个包绘制GO富集分析气泡图和柱形图r语言go分析包的时候 ， 发现GO条目的名字都重叠在一起了 。
气泡图
柱形图
这个图别说美观了，简直不忍直视 。经过我的认真研究，发现跟R版本有关 。前面我给大家展示的基本都是R 3.6.3做出来的图 。很多粉丝可能用的都是最新版本的R 4.1.2 。
我们知道R的版本在不停的更新 ， 相应的R包也在不停的更新 。我把绘制气泡图和柱形图相关的函数拿出来认真的研究了一下 ， 终于发现的症结所在 。
dotplot这个函数，多了个 label_format 参数
我们来看看这个参数究竟是干什么用的 ， 看看参数说明
label_format :
a numeric value sets wrap length, alternatively a custom function to format axis labels. by default wraps names longer that 30 characters
原来这个参数默认值是30 ， 当标签的长度大于30个字符就会被折叠 ， 用多行来展示 。既然问题找到了 ， 我们就来调节一下这个参数 ， 把r语言go分析包他设置成100 ， 让我们的标签可以一行展示 。
是不是还是原来的配方，还是熟悉的味道
同样的柱形图，我们也能让他恢复原来的容貌 。
关于如何使用R做GO和KEGG富集分析，可参考下文
GO和KEGG富集分析视频讲解
r语言ggbio包使用方法第一步：获取要绘图的整洁数据（涉及到数据整洁和操作的知识）
第二步：整洁数据做映射操作，确定x,y,color,size,shape,alpha等
第三步：选择合适的几何对象（根据画图的目的、变量的类型和个数）
第四步：坐标系和刻度配置
第五步：标签信息和图例信息
第六步：选择合适的主题
ggplot2的语法包括10个部件 。
数据（data）
映射（mapping）
几何对象（geom）
标度（scale）
统计变换（stats）
坐标系（coord）
位置调整（Position adjustments）
分面（facet）
主题（theme）
输出（output）
前3个是必须的，其它部件ggplot2会自动配置，也可以手动配置
ggplot2基本绘图模板：
注意：
1）添加图层的加号（ ）只能放在行末尾
2）红色方框里面mapping是全局域，绿色方框里面mapping是局部域，执行先后顺序，先局部域 ， 后全局域
ggplot2画图必要部件-数据，映射和几何对象
2.1 数据
数据（Data）用于画图的整洁数据
library(tidyverse
ggplot()先只提供数据，创建一个空图形 。
# ggplot()先提供整洁数据，生成一个空图形
2映射
映射，把数据变量集与图形属性库建立关联 。
最常用的映射有：
x：x轴
y：y轴
color：颜色
size：大小
shape：形状
fill：填充
alpha：透明度
以mpg数据集为例，把变量displ和hwy分别映射到x和y，变量drv映射到color ， 此时图形就有了坐标轴和网格线，color需要在有了几何对象后才能体现出来 。
# 映射操作
ggplot(data = https://www.04ip.com/post/mpg, mapping = aes(x = displ,
y = hwy,color = drv))
2.3 几何对象
几何对象是表达数据的视觉对象
不同类型的几何对象是从不同的角度表达数据 。
pgglot2提供了50多种“几何对象”，均以geom_xxxx()的方式命名，常用的有：
几何对象很简单，只需要添加图层即可 。
例如 ， 以mpg数据集为例，画散点图 。
ggplot(data = https://www.04ip.com/post/mpg, mapping = aes(x = displ,
y = hwy,
color = drv))
geom_point()层依次叠加，在上图的基础上，再添加一个几何对象：光滑曲线 。
#继续增加一个几何对象：光滑曲线
# 写法1
ggplot(data = https://www.04ip.com/post/mpg, mapping = aes(x = displ,
y = hwy,
color = drv))
geom_point()
geom_smooth(se=FALSE)
# 写法2
ggplot(data = https://www.04ip.com/post/mpg, mapping = aes(x = displ, y = hwy))
geom_point(aes(color = drv))
geom_smooth(se=FALSE)
思考题：
1）写法1和写法2的差异？（全局域和局部域的使用差异）
2）写法2若是要实现写法1的功能，怎么编写代码？
03
标度
ggplot2会自动根据输入变量选择最优的坐标刻度方法，若要手动设置或调整 ， 就需要使用标度函数 。
标度函数用来控制几何对象中的标度映射（x轴，y轴或者由color ， fill，shape，size产生的图例） 。
ggplot2提供丰富的标度函数，常用的有：
拓展功能：scales包提供很多设置刻度标签风格的函数，比如百分数、科学计数法法、美元格式等 。
3.1 修改坐标轴刻度及标签
连续变量使用scale_*_continuous()函数，参数breaks设置各个刻度的位置 ， 参数labels设置各个刻度对应的标签 。
离散变量使用scale_*_discrete()函数，修改离散变量坐标轴的标签 。
时间变量使用scale_x_date()函数设置日期刻度，参数date_breaks设置刻度间隔，date_labels设置标签的日期格式
以mpg数据集为例，修改连续变量坐标轴刻度及标签 。
# scale_y_continuous函数
# 对比分析和观察
# 图1
ggplot(mpg, aes(displ, hwy))
geom_point()
# 图2
ggplot(mpg, aes(displ, hwy))
geom_point()
scale_y_continuous(breaks = seq(15, 40, by = 10))
# 图3
ggplot(mpg, aes(displ, hwy))
geom_point()
scale_y_continuous(breaks = seq(15, 40, by = 10),
labels = c(" 一五 "," 二五 "," 三五 "))
以mpg数据集为例，修改离散变量的标签
# scale_x_discrete函数
# 对比分析和观察
# 图1
ggplot(mpg, aes(x = drv))
geom_bar()
# 图2
ggplot(mpg, aes(x = drv))
geom_bar()
scale_x_discrete(labels = c("4" = " 四驱 ", "f" = " 前驱 ",
"r" = " 后驱 "))
以ggplot2自带的economics数据集为例，修改日期变量 。
# scale_x_date函数
# 以ggplot2自带的economics为例
economics %% glimpse()
# 图1
ggplot(tail(economics, 45), aes(date, uempmed / 100))
geom_line()
# 图2
ggplot(tail(economics, 45), aes(date, uempmed / 100))
geom_line()
scale_x_date(date_breaks = "6 months", date_labels = "%Y-%b")
scale_y_continuous(labels = scales::percent)
3.2 修改坐标轴标签、图例名及图例位置
用labs()函数参数x，y或者xlab()，ylab()，设置x轴，y轴标签 。
若用参数color生成了图例，可以在labs()函数用参数color修改图例名 。
用theme图层的参数legend.position设置图例的位置 。
以mpg数据为例 。
# 修改坐标轴标签 ， 图例名和图例位置
mpg
# 图1
ggplot(mpg, aes(displ, hwy))
geom_point(aes(color = drv))
labs(x = " 引擎大小 (L)", y = " 高速燃油率 (mpg)",
color = " 驱动类型 ")
theme(legend.position = "top")
# 图2
ggplot(mpg, aes(displ, hwy))
geom_point(aes(color = drv))
xlab(" 引擎大小 (L)")
ylab(" 高速燃油率 (mpg)")
labs(color = " 驱动类型 ")
theme(legend.position = "top")
# 图3 不需要图例
ggplot(mpg, aes(displ, hwy))
geom_point(aes(color = drv))
xlab(" 引擎大小 (L)")
ylab(" 高速燃油率 (mpg)")
theme(legend.position = "none")
3.3 设置坐标轴的范围
用coord_cartesian()函数参数xlim和ylim，或者用xlim()，ylim()设置x轴和y轴的范围 。
以mpg数据集为例 。
# 修改坐标轴的范围
# 图1 coord_cartesian()的参数xlim和ylim
ggplot(mpg, aes(displ, hwy))
geom_point(aes(color = drv))
coord_cartesian(xlim = c(5, 7), ylim = c(10, 30))
# 图2 xlim()和ylim()函数
ggplot(mpg, aes(displ, hwy))
geom_point(aes(color = drv))
xlim(5, 7)
ylim(10, 30)
3.4 变换坐标轴
用scale_x_log10()函数变换坐标系 ， 可以保持原始数据的坐标刻度 。
# 修改坐标轴的范围
# 图1 coord_cartesian()的参数xlim和ylim
ggplot(mpg, aes(displ, hwy))
geom_point(aes(color = drv))
coord_cartesian(xlim = c(5, 7), ylim = c(10, 30))
# 图2 xlim()和ylim()函数
ggplot(mpg, aes(displ, hwy))
geom_point(aes(color = drv))
xlim(5, 7)
ylim(10, 30)
3.5 设置图形标题
用labs()函数设置图形标题 。
参数title 设置正标题
参数subtitle 设置副标题
参数caption 设置脚注标题（默认右下角）
# 设置标题
# mpg数据集为例
p -ggplot(mpg, aes(displ, hwy))
geom_point(aes(color = drv))
geom_smooth(se = FALSE)
labs(title = " 燃油效率与引擎大小的关系图 ",
subtitle = " 两座车 ( 跑车 ) 因重量小而符合预期 ",
caption = " 数据来自 fueleconomy.gov")
p
标题若要居中，采用theme图层设置 。
ptheme(plot.title = element_text(hjust = 0.5),
plot.subtitle = element_text(hjust = 0.5))
3.6 设置color、fill颜色
数据的某个维度信息可以通过颜色来表示 。
可以直接使用颜色值，建议使用RColorBrewer（调色板）或者colorspace包 。
1）连续变量
- 用scale_color_gradient()设置二色渐变色 。
# 连续变量
# 图1 scale_color_gradient()函数
ggplot(mpg, aes(displ, hwy, color = hwy))
geom_point()
scale_color_gradient(low = "green", high = "red")
- 用scale_color_distiller()设置调色板中的颜色
# 图2 scale_color_distiller()函数
ggplot(mpg, aes(displ, hwy, color = hwy))
geom_point()
scale_color_distiller(palette = "Set1")
2）离散变量
- 用scale_color_manual()手动设置颜色，还可以修改图例及其标签信息
# 离散变量
# 图1 scale_color_manual()函数
ggplot(mpg, aes(displ, hwy, color = drv))
geom_point()
scale_color_manual(" 驱动方式 ",
values = c("red", "blue", "green"),
breaks = c("4", "f", "r"))
ggplot(mpg, aes(displ, hwy, color = drv))
geom_point()
scale_color_manual(" 驱动方式 ",
values = c("red", "blue", "green"),
labels = c(" 四驱 ", " 前驱 ", " 后驱 "))
-用scale_fill_brewer()调用调色板中的颜色
# 图2 scale_fill_brewer()函数
ggplot(mpg, aes(x = class, fill = class))
geom_bar()
scale_fill_brewer(palette = "Dark2")
.7 添加文字标注
ggrepel包提供了geom_label_repel()函数或者geom_text_repel()函数，为图形添加文字标注 。
操作步骤：
第一步：先准备好标记点的数据
第二步：增加文字标注图层，包括标记点的数据和标注的文字给label参数
# 设置文字标注信息
library(ggrepel)
# 选取每种车型 hwy 值最大的样本
best_in_class -mpg %%
group_by(class) %%
slice_max(hwy, n = 1)
best_in_class %% select(class, model, hwy)
ggplot(mpg, aes(displ, hwy))
geom_point(aes(color = class))
geom_label_repel(data = https://www.04ip.com/post/best_in_class,
aes(label = model))
04
计变换、坐标系和位置调整
.1 统计变换
统计变换是构建新的统计量而画图 。
例如，条形图或直方图，是对数据分组的频数做画图；平滑曲线是对数据拟合模型的预测值画图 。
gplot2可以把统计变换直接融入画图中，不必先在对数据做统计变换后再画图 。
gplot2提供30多种统计，均以stats_xxx()的方式命名 。
1）可在几何对象中直接使用的统计变换，直接使用几何对象就可以了 。
能在几何对象创建的，而需要单独使用 。
mpg数据集为例 。
stat_summary()做统计绘图并汇总 。
# 图1 stat_summary()做统计绘图并汇总
p - ggplot(mpg, aes(x = class, y = hwy))
geom_violin(trim = FALSE, alpha = 0.5, color = "green")
p
pstat_summary(fun = mean,
fun.min = function (x) {mean(x) - sd(x)},
fun.max = function (x) {mean(x)sd(x)},
geom = "pointrange",
color = "red")
tat_smooth()添加光滑曲线，与geom_smooth()相同 。
参数method设置平滑曲线的拟合方法，如lm线性回归、glm广义线性回归、loess多项式回归、gam广义加法模型(mgcv包)、rlm稳健回归(MASS包)等 。
参数formula指定平滑曲线方程，如y ~ x, y ~ poly(x, 2) ， y ~ log(x)等 。
参数se设置是否绘制置信区间 。
# 图2 stat_smooth()添加平滑曲线
ggplot(mpg, aes(displ, hwy))
geom_point()
stat_smooth(method = "lm",
formula = y ~ splines::bs(x, 3),
se = FALSE)
ggplot(mpg, aes(displ, hwy))
geom_point()
geom_smooth(method = "lm",
formula = y ~ splines::bs(x, 3),
se = FALSE)
4.2 坐标系
ggplot2默认是直角坐标系 。
- coord_cartesian()
常用的其它坐标系：
以mpg数据集为例，坐标轴翻转 。
# 图1 坐标轴翻转coord_flip()
p - ggplot(mpg, aes(class, hwy))
geom_boxplot()
p
pcoord_flip()
直角坐标下条形图转换为极坐标下玫瑰图 。
# 图2 直角坐标条形图--极坐标玫瑰图
p - ggplot(mpg, aes(class, fill = drv))
geom_bar()
p
pcoord_polar()
4.3 位置调整
条形图的位置调整
# 图1：条形图条形位置调整
ggplot(mpg, aes(class, fill = drv))
geom_bar()
ggplot(mpg, aes(class, fill = drv))
geom_bar(position = "dodge")
ggplot(mpg, aes(class, fill = drv))
geom_bar(position = position_dodge(preserve = "single"))
散点图的散点位置调整
# 图1：散点图的散点位置调整
ggplot(mpg, aes(displ, hwy))
geom_point()
ggplot(mpg, aes(displ, hwy))
geom_point(position = "jitter")
用patchwork包排布多个图形
library(patchwork)
p1 -ggplot(mpg, aes(displ, hwy))
geom_point()
p2 -ggplot(mpg, aes(drv, displ))
geom_boxplot()
p3 -ggplot(mpg, aes(drv))
geom_bar()
p1 | (p2 / p3)
p1 | p2 | p3
p1 / p2 / p3
p1 / (p2 | p3)
05
分面
利用分类变量把图形分成若干“子图”（面），实际上就是对数据分组后再画图 ， 属于数据分析里面细分和下钻的思想 。
5.1 用facet_wrap()函数
封装分面，先生成一维的面板系列，再封装到二维中 。
语法形式：~ 分类变量 或者 ~ 分类变量1分类变量2
参数scales设置是否共用坐标刻度，fixed 默认 共用 ， free 不共用 ， 还可以额通过free_x，free_y单独设置 。
【r语言go分析包 r语言分析软件】r语言go分析包的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于r语言分析软件、r语言go分析包的信息别忘了在本站进行查找喔 。

    推荐阅读


    上一篇：视频号定向准入怎么取消，微信视频号怎么取消签约

    下一篇：钉钉直播规定，钉钉直播规范