R语言绘制相关性热图全总结

2024-06-04 5429阅读

R语言绘制相关性热图全总结

引言

相关性热图是科研论文中一种常见的可视化手段，而在地学领域，我们常常需要分析一些环境因素之间的相关性，来判断环境生物因素中是否存在相关性情况。

尤其是在进行多变量分析时，分析目标因素和各变量之间的关系，往往需要首先考察变量之间的相关性，再考虑主成分等相关问题。地学环境生态领域常常用相关性热图的形式进行展示。总而言之，往大了说，任何表征相关性的数值都可以用相关性热图来进行绘制。

我们先来看看下面这张图，这是一篇发表在 ISME Journal ( IF = 11) 上的文章图，展示了生物和非生物因素的相关性。之间的相关性，其中红色的颜色代表负相关，蓝色代表正相关。每一格的数字代表相关系数。

Wijaya, W., Suhaimi, Z., Chua, C.X. et al. Frequent pulse disturbances shape resistance and resilience in tropical marine microbial communities. ISME COMMUN. 3, 55 (2023). https://doi.org/10.1038/s43705-023-00260-6

下图是一篇发表在 PLoS Medicine ( IF = 11.048) 上的文章图，展示了 22 种免疫细胞群体之间的相关性：

img

下图是发表在Scientific reports期刊上的一张相关性图，该图展示了微生物参数和土壤理化性质参数的Pearson相关性。

Ozlu, E., Sandhu, S.S., Kumar, S. et al. Soil health indicators impacted by long-term cattle manure and inorganic fertilizer application in a corn-soybean rotation of South Dakota. Sci Rep 9, 11776 (2019). https://doi.org/10.1038/s41598-019-48207-z

下图是发表在Science正刊上的一张相关性图，具有很高的颜值，同时是多个图表的组合。

Sunagawa, S., Coelho, L. P., Chaffron, S., Kultima, J. R., Labadie, K., Salazar, G., ... & Velayoudon, D. (2015). Structure and function of the global ocean microbiome. Science, 348(6237), 1261359.

其实这类相关性热图是使用R语言的ggcorrplot或corrplot包绘制的。能调整多种样式，你也能像顶刊一样绘制相关性结果。

ggcorrplot包

接下来介绍ggcorrplot包，进行一个简单的绘制，ggcorrplot包是2017年开发的，比较早，所以功能也比较简单。

首先安装ggcorrplot包

install.packages("ggcorrplot")
devtools::install_github("kassambara/ggcorrplot")

以mtcars内置数据为例：

# Compute a correlation matrix
data(mtcars)
corr        mpg  cyl disp   hp drat   wt
#> mpg   1.0 -0.9 -0.8 -0.8  0.7 -0.9
#> cyl  -0.9  1.0  0.9  0.8 -0.7  0.8
#> disp -0.8  0.9  1.0  0.8 -0.7  0.9
#> hp   -0.8  0.8  0.8  1.0 -0.4  0.7
#> drat  0.7 -0.7 -0.7 -0.4  1.0 -0.7
#> wt   -0.9  0.8  0.9  0.7 -0.7  1.0

# Compute a matrix of correlation p-values
p.mat                mpg          cyl         disp           hp
#> mpg  0.000000e+00 6.112687e-10 9.380327e-10 1.787835e-07
#> cyl  6.112687e-10 0.000000e+00 1.802838e-12 3.477861e-09
#> disp 9.380327e-10 1.802838e-12 0.000000e+00 7.142679e-08
#> hp   1.787835e-07 3.477861e-09 7.142679e-08 0.000000e+00
#> drat 1.776240e-05 8.244636e-06 5.282022e-06 9.988772e-03
#> wt   1.293959e-10 1.217567e-07 1.222320e-11 4.145827e-05

首先进行一个简单的绘制：

ggcorrplot(corr)

将样式改为圆形：

# method = "circle"
ggcorrplot(corr, method = "circle")

接下来使用hc.order关键字做层次聚类（hierarchical clustering）结果：

ggcorrplot(corr, hc.order = TRUE, outline.color = "white")

通过type=="lower"关键字来做下三角效果：

ggcorrplot(corr,
           hc.order = TRUE,
           type = "lower",
           outline.color = "white")

同理利用type = "upper"关键字做上三角效果：

ggcorrplot(
  corr,
  hc.order = TRUE,
  type = "upper",
  outline.color = "white",
  ggtheme = ggplot2::theme_gray,
  colors = c("#6D9EC1", "white", "#E46726")
)

还可以标注显著性，通过lab = TRUE关键字：

ggcorrplot(corr,
           hc.order = TRUE,
           type = "lower",
           lab = TRUE)

通过关键字手动标识不显著的地方，画叉号：

ggcorrplot(corr,
           hc.order = TRUE,
           type = "lower",
           p.mat = p.mat)

corrplot包

通过上述的结果，我们能实现顶刊1和2的效果，但是如果对于更复杂的图绘3，需要借助最新的corrplot包。该包是2021年发行的，比较新，能适用于更复杂和美观的效果。

首先安装corrplot包

install.packages("corrplot")

以mtcars内置数据为例（上一节的数据示例）：

data(mtcars)
corr  Warning: Removed 8 rows containing missing values (geom_text).

参考

https://github.com/ixxmu/mp_duty/issues/3521,相关性热图还能玩出什么新花样
https://github.com/kassambara/ggcorrplot ggcorrplot开发者文档
https://github.com/Github-Yilei/ggcor ggcor开发者文档
本文由 mdnice 多平台发布

R语言绘制相关性热图全总结