前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >R中循环处理多组间相关性分析

R中循环处理多组间相关性分析

作者头像
R语言数据分析指南
发布2023-11-30 14:35:22
1880
发布2023-11-30 14:35:22
举报
文章被收录于专栏:R语言数据分析指南

加载R包

代码语言:javascript
复制
library(tidyverse)
library(readxl)
library(psych)
library(reshape2)
library(magrittr)

导入数据

代码语言:javascript
复制
df1 <- read_excel("env.xlsx") %>% 
  mutate(group=ID) %>% 
  mutate(group = str_replace_all(group, "[0-9]", "")) %>% 
  select(-ID) %>% 
  group_by(group) %>% 
  nest()

df2 <- read_excel("SOC.xlsx") %>% 
  mutate(group=ID) %>% 
  mutate(group = str_replace_all(group, "[0-9]", "")) %>%
  select(-ID) %>% 
  group_by(group) %>% 
  nest()

循环整合数据

代码语言:javascript
复制
# 初始化一个空的数据框来存储结果
results_df <- data.frame(group = character(),
                         cor = numeric(),
                         pvalue = numeric(),
                         stringsAsFactors = FALSE)

# 循环处理每一对数据集
for (i in 1:5) {
  pp <- corr.test(df1$data[[i]], df2$data[[i]], method = "pearson", adjust = "fdr")
  results_df <- rbind(results_df, data.frame(
    group = paste0("cor", i),
    cor = pp$r,
    pvalue = pp$p,
    stringsAsFactors = FALSE
  ))
}

数据可视化

代码语言:javascript
复制
results_df %>% set_colnames(c("group","rvalue","pvalue")) %>% 
  rownames_to_column(var="env") %>% 
  mutate(env = str_replace_all(env, "[0-9]", "")) %>%
  mutate(p_signif=symnum(pvalue, corr = FALSE, na = FALSE,  
                         cutpoints = c(0, 0.001, 0.01, 0.05, 0.1, 1), 
                         symbols = c("***", "**", "*", "", " "))) %>% 
  
  ggplot(aes(group,env,fill=rvalue))+
  geom_tile()+
  geom_text(aes(label=p_signif),
            size=6,color="white",hjust=0.5,vjust=0.5)+
  labs(x=NULL,y=NULL)+
  scale_color_gradientn(colours = rev(RColorBrewer::brewer.pal(3,"RdBu")))+
  scale_fill_gradientn(colours = rev(RColorBrewer::brewer.pal(3,"RdBu")))+
  scale_y_discrete(expand=c(0,0))+
  scale_x_discrete(expand=c(0,0)) +
  theme(axis.text.x=element_text(angle =0,hjust =1,vjust =0.5,
                                 color="black",size = 8),
        axis.text.y=element_text(color="black",size =8),
        axis.ticks= element_blank(),
        panel.spacing.y = unit(0,"cm"),
        plot.background = element_blank(),
        panel.background = element_blank(),
        legend.title = element_blank())+
  scale_size(range=c(1,10),guide=NULL)+
  guides(fill=guide_colorbar(direction="vertical",reverse=F,barwidth=unit(.5,"cm"),
                             barheight=unit(8,"cm")))
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2023-11-29,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 R语言数据分析指南 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 加载R包
  • 导入数据
  • 循环整合数据
  • 数据可视化
相关产品与服务
对象存储
对象存储(Cloud Object Storage,COS)是由腾讯云推出的无目录层次结构、无数据格式限制,可容纳海量数据且支持 HTTP/HTTPS 协议访问的分布式存储服务。腾讯云 COS 的存储桶空间无容量上限,无需分区管理,适用于 CDN 数据分发、数据万象处理或大数据计算与分析的数据湖等多种场景。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档