R語言可視化(二十七):序列logo圖繪製

2021-12-25 bioinfomics
27. 序列logo圖繪製清除當前環境中的變量
rm(list=ls())
設置工作目錄
setwd("C:/Users/Dell/Desktop/R_Plots/27seqlogo/")
使用seqLogo包繪製序列logo圖
# 安裝並加載所需的R包
#BiocManager::install("seqLogo")
library(seqLogo)

# 讀取示例位置頻率矩陣(PWM)數據
mFile <- system.file("Exfiles/pwm1", package="seqLogo")
m <- read.table(mFile)
m
##    V1  V2  V3  V4  V5  V6  V7  V8
## 1 0.0 0.0 0.0 0.3 0.2 0.0 0.0 0.0
## 2 0.8 0.2 0.8 0.3 0.4 0.2 0.8 0.2
## 3 0.2 0.8 0.2 0.4 0.3 0.8 0.2 0.8
## 4 0.0 0.0 0.0 0.0 0.1 0.0 0.0 0.0

# 使用makePWM函數轉換成PWM矩陣
pwm <- makePWM(m)
pwm
##     1   2   3   4   5   6   7   8
## A 0.0 0.0 0.0 0.3 0.2 0.0 0.0 0.0
## C 0.8 0.2 0.8 0.3 0.4 0.2 0.8 0.2
## G 0.2 0.8 0.2 0.4 0.3 0.8 0.2 0.8
## T 0.0 0.0 0.0 0.0 0.1 0.0 0.0 0.0

# 使用seqLogo函數繪製序列logo圖
seqLogo(pwm)
image.png使用ggseqlogo包繪製序列logo圖
# 安裝並加載所需的R包
#install.packages("ggseqlogo")
library(ggseqlogo)

# 加載並查看示例數據
data(ggseqlogo_sample)
# 查看示例胺基酸序列數據
length(seqs_aa)
## [1] 4
head(seqs_aa[[1]])
## [1] "VVGARRSSWRVVSSI" "GPRSRSRSRDRRRKE" "LLCLRRSSLKAYGNG" "TERPRPNTFIIRCLQ"
## [5] "LSRERVFSEDRARFY" "PSTSRRFSPPSSSLQ"

# 查看示例DNA序列數據
length(seqs_dna)
## [1] 12
head(seqs_dna[[1]])
## [1] "CCATATATAG" "CCATATATAG" "CCATAAATAG" "CCATAAATAG" "CCATAAATAG"
## [6] "CCATAAATAG"

# 查看示例位置頻率矩陣數據
length(pfms_dna)
## [1] 4
head(pfms_dna[[1]])
##   [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
## A    0    0   11    0    1    0    2    8
## C    1    1    0    9    0    3    7    0
## G    1   10    0    2   10    0    1    1
## T    9    0    0    0    0    8    1    2

# 使用ggseqlogo函數繪製序列logo圖
ggseqlogo(seqs_dna[[1]])
image.png
# 繪製多個序列logo
ggseqlogo(seqs_dna, facet = "wrap",ncol = 4)
image.png
# seq_type參數指定序列類型，默認為「auto」自動設別，可以設置為"aa","dna","rna","other"等
ggseqlogo(seqs_aa, seq_type = "aa")
image.png
# method參數指定序列展示的方法，默認為「bits」
ggseqlogo(seqs_dna[1:4], method = "prob")
image.png
# col_scheme參數設置配色方案
# 使用list_col_schemes()函數查看內置配色方案
list_col_schemes(v = T)
## Available ggseqlogo color schemes:
##  auto
##  chemistry
##  chemistry2
##  hydrophobicity
##  nucleotide
##  nucleotide2
##  base_pairing
##  clustalx
##  taylor

ggseqlogo(pfms_dna, col_scheme = "clustalx")
image.png
ggseqlogo(pfms_dna, col_scheme = "base_pairing")
image.png
# 也可以使用make_col_scheme()函數自定義配色方案
# 離散型配色方案 Discrete color scheme examples
cs1 = make_col_scheme(chars=c('A', 'T', 'G', 'C'), groups=c('g1', 'g1', 'g2', 'g2'), 
                      cols=c('red', 'red', 'blue', 'blue'), name='custom1')
cs1
##   letter group  col
## 1      A    g1  red
## 2      T    g1  red
## 3      G    g2 blue
## 4      C    g2 blue

# 連續型配色方案 Quantitative color scheme
cs2 = make_col_scheme(chars=c('A', 'T', 'G', 'C'), values=1:4, 
                      name='custom3')
cs2
##   letter group
## 1      A     1
## 2      T     2
## 3      G     3
## 4      C     4

ggseqlogo(pfms_dna, col_scheme = cs1)
image.png
ggseqlogo(pfms_dna, col_scheme = cs2)
image.png
# font參數設置logo字體
# 使用list_fonts()函數查看內置字體
list_fonts(v = T)
## Available ggseqlogo fonts:
##  helvetica_regular
##  helvetica_bold
##  helvetica_light
##  roboto_medium
##  roboto_bold
##  roboto_regular
##  akrobat_bold
##  akrobat_regular
##  roboto_slab_bold
##  roboto_slab_regular
##  roboto_slab_light
##  xkcd_regular

ggseqlogo(seqs_dna[5:8],font="helvetica_bold")
image.png
ggseqlogo(seqs_dna[5:8],font="roboto_regular")
image.png
# stack_width參數設置字母的寬度
ggseqlogo(seqs_dna[5:8],stack_width=0.5)
image.png
ggseqlogo(seqs_dna[5:8],stack_width=0.9)
image.png使用motifStack包繪製序列logo圖
# 安裝並加載所需的R包
#BiocManager::install("motifStack")
library(motifStack)

# 讀取motif文件
pcm <- read.table(file.path(find.package("motifStack"), 
                            "extdata", "bin_SOLEXA.pcm"))
head(pcm)
##   V1 V2  V3   V4   V5   V6   V7  V8   V9
## 1  A  | 462    0 1068 1025 1068   0 1019
## 2  C  |  71   60    0   24    0 993    0
## 3  G  | 504    0    0    0    0  12    0
## 4  T  |  31 1008    0   19    0  63   49

# 生成motif矩陣
pcm <- pcm[,3:ncol(pcm)]
rownames(pcm) <- c("A","C","G","T")
head(pcm)
##    V3   V4   V5   V6   V7  V8   V9
## A 462    0 1068 1025 1068   0 1019
## C  71   60    0   24    0 993    0
## G 504    0    0    0    0  12    0
## T  31 1008    0   19    0  63   49

motif <- new("pcm", mat=as.matrix(pcm), name="bin_SOLEXA")
motif
## An object of class "pcm"
## Slot "mat":
##    V3   V4   V5   V6   V7  V8   V9
## A 462    0 1068 1025 1068   0 1019
## C  71   60    0   24    0 993    0
## G 504    0    0    0    0  12    0
## T  31 1008    0   19    0  63   49
## 
## Slot "name":
## [1] "bin_SOLEXA"
## 
## Slot "alphabet":
## [1] "DNA"
## 
## Slot "color":
##         A         C         G         T 
## "#00811B" "#2000C7" "#FFB32C" "#D00001" 
## 
## Slot "background":
##    A    C    G    T 
## 0.25 0.25 0.25 0.25

# 生成motif logo圖形
plot(motif)
image.png
#plot the logo with same height
plot(motif, ic.scale=FALSE, ylab="probability")
image.png
#try a different font and a different color group
motif@color <- colorset(colorScheme='basepairing')
plot(motif,font="Times")
image.png
# plot an affinity logo
# 繪製雙鏈關聯序列logo圖
motif<-matrix(
  c(
    .846, .631, .593, .000, .000, .000, .434, .410, 1.00, .655, .284, .000, .000, .771, .640, .961,
    .625, .679, .773, 1.00, 1.00, .000, .573, .238, .397, 1.00, 1.00, .000, .298, 1.00, 1.00, .996,
    1.00, 1.00, 1.00, .228, .000, 1.00, 1.00, .597, .622, .630, .000, 1.00, 1.00, .871, .617, 1.00,
    .701, .513, .658, .000, .000, .247, .542, 1.00, .718, .686, .000, .000, .000, .595, .437, .970
  ), nrow=4, byrow = TRUE)
rownames(motif) <- c("A", "C", "G", "T")
motif<-new("psam", mat=motif, name="affinity logo")
motif
## An object of class "psam"
## Slot "mat":
##    [,1]  [,2]  [,3]  [,4] [,5]  [,6]  [,7]  [,8]  [,9] [,10] [,11] [,12]
## A 0.846 0.631 0.593 0.000    0 0.000 0.434 0.410 1.000 0.655 0.284     0
## C 0.625 0.679 0.773 1.000    1 0.000 0.573 0.238 0.397 1.000 1.000     0
## G 1.000 1.000 1.000 0.228    0 1.000 1.000 0.597 0.622 0.630 0.000     1
## T 0.701 0.513 0.658 0.000    0 0.247 0.542 1.000 0.718 0.686 0.000     0
##   [,13] [,14] [,15] [,16]
## A 0.000 0.771 0.640 0.961
## C 0.298 1.000 1.000 0.996
## G 1.000 0.871 0.617 1.000
## T 0.000 0.595 0.437 0.970
## 
## Slot "name":
## [1] "affinity logo"
## 
## Slot "alphabet":
## [1] "DNA"
## 
## Slot "color":
##         A         C         G         T 
## "#00811B" "#2000C7" "#FFB32C" "#D00001"

plot(motif)
image.png
# plot sequence logo stack
# 導入多個序列矩陣
motifs<-importMatrix(dir(file.path(find.package("motifStack"), "extdata"),"pcm$", full.names = TRUE))
motifs
## $bin_SOLEXA
## An object of class "pcm"
## Slot "mat":
##   [,1] [,2] [,3] [,4] [,5] [,6] [,7]
## A  462    0 1068 1025 1068    0 1019
## C   71   60    0   24    0  993    0
## G  504    0    0    0    0   12    0
## T   31 1008    0   19    0   63   49
## 
## Slot "name":
## [1] "bin_SOLEXA"
## 
## Slot "alphabet":
## [1] "DNA"
## 
## Slot "color":
##         A         C         G         T 
## "#00811B" "#2000C7" "#FFB32C" "#D00001" 
## 
## Slot "background":
##    A    C    G    T 
## 0.25 0.25 0.25 0.25 
## 
## 
## $fd64A_SOLEXA
## An object of class "pcm"
## Slot "mat":
##   [,1] [,2] [,3] [,4] [,5] [,6] [,7]
## A    0   47    0    0    0  347   15
## C    0    0    0    0    0    0  208
## G    0  504    0    5   61   98  112
## T  551    0  551  546  490  106  216
## 
## Slot "name":
## [1] "fd64A_SOLEXA"
## 
## Slot "alphabet":
## [1] "DNA"
## 
## Slot "color":
##         A         C         G         T 
## "#00811B" "#2000C7" "#FFB32C" "#D00001" 
## 
## Slot "background":
##    A    C    G    T 
## 0.25 0.25 0.25 0.25 
## 
## 
## $fkh_NAR
## An object of class "pcm"
## Slot "mat":
##   [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11]
## A    3    5    0    0    0   13    4    6    0    23    15
## C    0    0    0    0    0    0   13    7   11     0     4
## G    0   22    0    0    1   14    2    3    2     1     4
## T   24    0   27   27   26    0    8   11   14     3     4
## 
## Slot "name":
## [1] "fkh_NAR"
## 
## Slot "alphabet":
## [1] "DNA"
## 
## Slot "color":
##         A         C         G         T 
## "#00811B" "#2000C7" "#FFB32C" "#D00001" 
## 
## Slot "background":
##    A    C    G    T 
## 0.25 0.25 0.25 0.25 
## 
## 
## $foxo_SOLEXA
## An object of class "pcm"
## Slot "mat":
##   [,1] [,2] [,3] [,4] [,5] [,6] [,7]
## A    0  122    0    0  107  978    8
## C    0   16    0    0    0    0  834
## G    0 1443    2    5   96  163  191
## T 1581    0 1579 1576 1378  440  516
## 
## Slot "name":
## [1] "foxo_SOLEXA"
## 
## Slot "alphabet":
## [1] "DNA"
## 
## Slot "color":
##         A         C         G         T 
## "#00811B" "#2000C7" "#FFB32C" "#D00001" 
## 
## Slot "background":
##    A    C    G    T 
## 0.25 0.25 0.25 0.25 
## 
## 
## $FoxP_SOLEXA
## An object of class "pcm"
## Slot "mat":
##   [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
## A  380   52 1158 1178 1202    0 1191  651
## C   83  184   44   24    0 1057    0  151
## G  652    1    0    0    0    0    1  154
## T    5  958    0    0    0  145    0  209
## 
## Slot "name":
## [1] "FoxP_SOLEXA"
## 
## Slot "alphabet":
## [1] "DNA"
## 
## Slot "color":
##         A         C         G         T 
## "#00811B" "#2000C7" "#FFB32C" "#D00001" 
## 
## Slot "background":
##    A    C    G    T 
## 0.25 0.25 0.25 0.25 
## 
## 
## $slp1_SOLEXA
## An object of class "pcm"
## Slot "mat":
##   [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9]
## A  844  290  641  351 1747 1832 1851    0 1842
## C  361  642  432  302  104   19    0 1710    9
## G  482  277  745    7    0    0    0   14    0
## T  158  642   33 1191    0    0    0  127    0
## 
## Slot "name":
## [1] "slp1_SOLEXA"
## 
## Slot "alphabet":
## [1] "DNA"
## 
## Slot "color":
##         A         C         G         T 
## "#00811B" "#2000C7" "#FFB32C" "#D00001" 
## 
## Slot "background":
##    A    C    G    T 
## 0.25 0.25 0.25 0.25 
...

## plot stacks
# 繪製多序列堆疊logo圖
motifStack(motifs, layout="stack", ncex=1.0)
image.png
## plot stacks with hierarchical tree
# 添加進化樹（layout="tree"）
motifStack(motifs, layout="tree")
image.png
## When the number of motifs is too much to be shown in a vertical stack, 
## motifStack can draw them in a radial style.
## random sample from MotifDb
#BiocManager::install("MotifDb")
library("MotifDb")
matrix.fly <- query(MotifDb, "Dmelanogaster")
motifs2 <- as.list(matrix.fly)
## use data from FlyFactorSurvey
motifs2 <- motifs2[grepl("Dmelanogaster\\-FlyFactorSurvey\\-",
                         names(motifs2))]
## format the names
names(motifs2) <- gsub("Dmelanogaster_FlyFactorSurvey_", "",
                       gsub("_FBgn\\d+$", "",
                            gsub("[^a-zA-Z0-9]","_",
                                 gsub("(_\\d+)+$", "", names(motifs2)))))
motifs2 <- motifs2[unique(names(motifs2))]
pfms <- sample(motifs2, 50)
## creat a list of object of pfm 
motifs2 <- lapply(names(pfms), 
                  function(.ele, pfms){new("pfm",mat=pfms[[.ele]], name=.ele)}
                  ,pfms)
## trim the motifs
motifs2 <- lapply(motifs2, trimMotif, t=0.4)
motifs2
## [[1]]
## An object of class "pfm"
## Slot "mat":
##            3         4 5 6   7   8
## A 0.23333333 0.4333333 1 0 0.0 0.5
## C 0.03333333 0.0000000 0 0 0.0 0.0
## G 0.00000000 0.0000000 0 0 0.2 0.5
## T 0.73333333 0.5666667 0 1 0.8 0.0
## 
## Slot "name":
## [1] "CG4328_Cell"
## 
## Slot "alphabet":
## [1] "DNA"
## 
## Slot "color":
##         A         C         G         T 
## "#00811B" "#2000C7" "#FFB32C" "#D00001" 
## 
## Slot "background":
##    A    C    G    T 
## 0.25 0.25 0.25 0.25 
## 
## 
## [[2]]
## An object of class "pfm"
## Slot "mat":
##           1 2         3 4 5         6 7         8
## A 0.1111111 0 0.2222222 1 1 0.2222222 0 0.8888889
## C 0.0000000 0 0.0000000 0 0 0.2222222 0 0.1111111
## G 0.8888889 0 0.7777778 0 0 0.2222222 1 0.0000000
## T 0.0000000 1 0.0000000 0 0 0.3333333 0 0.0000000
## 
## Slot "name":
## [1] "CG7386_F10_12_SANGER_5"
## 
## Slot "alphabet":
## [1] "DNA"
## 
## Slot "color":
##         A         C         G         T 
## "#00811B" "#2000C7" "#FFB32C" "#D00001" 
## 
## Slot "background":
##    A    C    G    T 
## 0.25 0.25 0.25 0.25 
## 
## 
## [[3]]
## An object of class "pfm"
## Slot "mat":
##             2          3 4 5          6          7
## A 0.012944984 0.98705502 1 0 0.01618123 0.58899676
## C 0.006472492 0.01294498 0 0 0.00000000 0.02265372
## G 0.000000000 0.00000000 0 0 0.04854369 0.34951456
## T 0.980582524 0.00000000 0 1 0.93527508 0.03883495
## 
## Slot "name":
## [1] "CG9876_SOLEXA"
## 
## Slot "alphabet":
## [1] "DNA"
## 
## Slot "color":
##         A         C         G         T 
## "#00811B" "#2000C7" "#FFB32C" "#D00001" 
## 
## Slot "background":
##    A    C    G    T 
## 0.25 0.25 0.25 0.25 
## 
## 
## [[4]]
## An object of class "pfm"
## Slot "mat":
##            2          3          4          5          6          7
## A 0.09137056 0.69035533 0.90609137 0.00000000 0.03045685 0.67005076
## C 0.01269036 0.09644670 0.09390863 0.00000000 0.01776650 0.06598985
## G 0.01776650 0.19289340 0.00000000 0.03045685 0.14720812 0.23857868
## T 0.87817259 0.02030457 0.00000000 0.96954315 0.80456853 0.02538071
## 
## Slot "name":
## [1] "Lim3_SOLEXA"
## 
## Slot "alphabet":
## [1] "DNA"
## 
## Slot "color":
##         A         C         G         T 
## "#00811B" "#2000C7" "#FFB32C" "#D00001" 
## 
## Slot "background":
##    A    C    G    T 
## 0.25 0.25 0.25 0.25 
## 
## 
## [[5]]
## An object of class "pfm"
## Slot "mat":
##           2          3 4 5 6         7         8
## A 0.1052632 0.05263158 1 1 0 0.0000000 0.8421053
## C 0.5263158 0.00000000 0 0 0 0.0000000 0.0000000
## G 0.0000000 0.00000000 0 0 0 0.3157895 0.1578947
## T 0.3684211 0.94736842 0 0 1 0.6842105 0.0000000
## 
## Slot "name":
## [1] "Ap_Cell"
## 
## Slot "alphabet":
## [1] "DNA"
## 
## Slot "color":
##         A         C         G         T 
## "#00811B" "#2000C7" "#FFB32C" "#D00001" 
## 
## Slot "background":
##    A    C    G    T 
## 0.25 0.25 0.25 0.25 
...

## setting colors
library(RColorBrewer)
color <- brewer.pal(12, "Set3")
color
##  [1] "#8DD3C7" "#FFFFB3" "#BEBADA" "#FB8072" "#80B1D3" "#FDB462" "#B3DE69"
##  [8] "#FCCDE5" "#D9D9D9" "#BC80BD" "#CCEBC5" "#FFED6F"

## plot logo stack with radial style
# 設置環形多序列logo圖（layout="radialPhylog"）
motifStack(motifs2, layout="radialPhylog", 
           circle=0.3, cleaves = 0.2, 
           clabel.leaves = 0.5, 
           col.bg=rep(color, each=5), col.bg.alpha=0.3, 
           col.leaves=rep(color, each=5),
           col.inner.label.circle=rep(color, each=5), 
           inner.label.circle.width=0.05,
           col.outer.label.circle=rep(color, each=5), 
           outer.label.circle.width=0.02, 
           circle.motif=1.2,
           angle=350)
image.png
sessionInfo()
## R version 3.6.0 (2019-04-26)
## Platform: x86_64-w64-mingw32/x64 (64-bit)
## Running under: Windows 10 x64 (build 18363)
## 
## Matrix products: default
## 
## locale:
## [1] LC_COLLATE=Chinese (Simplified)_China.936 
## [2] LC_CTYPE=Chinese (Simplified)_China.936   
## [3] LC_MONETARY=Chinese (Simplified)_China.936
## [4] LC_NUMERIC=C                              
## [5] LC_TIME=Chinese (Simplified)_China.936    
## 
## attached base packages:
##  [1] stats4    parallel  grid      stats     graphics  grDevices utils    
##  [8] datasets  methods   base     
## 
## other attached packages:
##  [1] RColorBrewer_1.1-2  MotifDb_1.26.0      motifStack_1.28.0  
##  [4] Biostrings_2.52.0   XVector_0.24.0      IRanges_2.18.1     
##  [7] S4Vectors_0.22.0    ade4_1.7-13         MotIV_1.40.0       
## [10] BiocGenerics_0.30.0 grImport2_0.2-0     ggseqlogo_0.1      
## [13] seqLogo_1.50.0     
## 
## loaded via a namespace (and not attached):
##  [1] Rcpp_1.0.5                  lattice_0.20-38            
##  [3] png_0.1-7                   Rsamtools_2.0.0            
##  [5] assertthat_0.2.1            digest_0.6.20              
##  [7] R6_2.4.0                    GenomeInfoDb_1.20.0        
##  [9] evaluate_0.14               ggplot2_3.2.0              
## [11] pillar_1.4.2                zlibbioc_1.30.0            
## [13] rlang_0.4.7                 lazyeval_0.2.2             
## [15] data.table_1.12.2           Matrix_1.2-17              
## [17] rmarkdown_1.13              labeling_0.3               
## [19] BiocParallel_1.17.18        stringr_1.4.0              
## [21] htmlwidgets_1.3             RCurl_1.95-4.12            
## [23] munsell_0.5.0               DelayedArray_0.10.0        
## [25] compiler_3.6.0              rtracklayer_1.44.0         
## [27] xfun_0.8                    pkgconfig_2.0.2            
## [29] base64enc_0.1-3             htmltools_0.3.6            
## [31] tidyselect_0.2.5            SummarizedExperiment_1.14.0
## [33] tibble_2.1.3                GenomeInfoDbData_1.2.1     
## [35] matrixStats_0.54.0          XML_3.98-1.20              
## [37] crayon_1.3.4                dplyr_0.8.3                
## [39] GenomicAlignments_1.20.1    MASS_7.3-51.4              
## [41] bitops_1.0-6                gtable_0.3.0               
## [43] magrittr_1.5                scales_1.0.0               
## [45] stringi_1.4.3               splitstackshape_1.4.8      
## [47] rGADEM_2.32.0               tools_3.6.0                
## [49] BSgenome_1.52.0             Biobase_2.44.0             
## [51] glue_1.3.1                  purrr_0.3.2                
## [53] jpeg_0.1-8.1                yaml_2.2.0                 
## [55] colorspace_1.4-1            GenomicRanges_1.36.0       
## [57] knitr_1.23

相關焦點

  • R包ggseqlogo 繪製seq logo圖
    簡介在生物信息分析中，經常會做序列分析圖（sequence logo），這裡的序列指的是核苷酸(DNA/RNA鏈中)或胺基酸(在蛋白質序列中)。
  • R語言可視化學習筆記之ggridges包繪製山巒圖
    作者：嚴濤 浙江大學作物遺傳育種在讀研究生（生物信息學方向）偽碼農，R語言愛好者，愛開源。
  • R語言可視化(十八):UMAP圖繪製
    UMAP圖繪製清除當前環境中的變量rm(list=ls())設置工作目錄setwd("C:/Users/Dell/Desktop/R_Plots/18umap/")查看示例數據head(iris)[,2]## [1,] 12.59949 3.759360## [2,] 13.80894 5.272737## [3,] 14.43500 4.813293## [4,] 14.36174 4.896541## [5,] 12.80543 3.473356## [6,] 12.14902 2.715970# 使用plot函數可視化
  • R語言繪製條形圖
    熟悉R語言的用戶應該都可以熟練的繪製條形圖，但在實際應用中，我們常常會根據數據展示的需求對條形圖進行調整，這就需要我們花費大量時間了解條形圖繪製函數的一些參數及高級方法。基於此，本文整理出一些常用的條形圖繪製代碼，希望可以為大家帶來一些方便。
  • 【R函數學習】R語言時間序列函數整理
    」)【圖形展示】plot.zoo(x)plot.xts(x)plot.zoo(x, plot.type=」single」) #支持多個時間序列數據在一個圖中展示plot(x, plot.type=」single」) #支持多個時間序列數據在一個圖中展示，僅對xts不行【基本統計運算】1、自相關係數、偏自相關係數等例題2.1
  • 數據可視化完美指南-R-python
    作者提供了一張樹狀圖，幫助並引導我們找到合適自己數據的的可視化方式What kind of data do you have?基於有順序的二維數據框的出圖這是基於時間序列的一份二維數據。作者提供了數據下載地址. as.Date函數將數據轉化為時間序列。
  • Python中的時間序列數據可視化的完整指南
    時間序列數據在許多不同的行業中都非常重要。它在研究、金融行業、製藥、社交媒體、網絡服務等領域尤為重要。對時間序列數據的分析也變得越來越重要。在分析中有什麼比一些好的可視化效果更好呢?沒有一些視覺效果，任何類型的數據分析都是不完整的。因為一個好的情節比20頁的報告更能讓你理解。因此，本文是關於時間序列數據可視化的。
  • 用R語言繪製條形圖
    學「統計學」的人對R語言應該不會太陌生，近十年來，隨著大數據時代的到來，把統計學和數據分析，R語言都帶火了。
  • 中了數據可視化的毒:BBC如何使用R語言繪製數據圖表?
    BBC（英國廣播公司）近日分享了他們的視覺與數據新聞團隊使用 R 語言繪製新聞圖表的經驗。為了簡化流程，他們創建了一個 bbplot 軟體包和一份參考手冊，並也已將它們開源。過去一年裡，BBC 視覺與數據新聞（Visual and Data Journalism）團隊的數據記者已經從根本上改變了他們繪製發表在 BBC 新聞網站上的數據圖表的方式。
  • R語言時間序列函數大全(收藏!)
    plot.type=」single」) #支持多個時間序列數據在一個圖中展示，僅對xts不行1、自相關係數、偏自相關係數等例題2.1d=scan(「sha.csv」)sha=ts(d,start=1964,freq=1)plot.ts(sha) #繪製時序圖acf(sha,22)
  • R語言可以這麼玩 | 繪製地圖與地點數據可視化
    這次，我們用R來畫地圖吧，利用可視化工具，我們更能輕鬆地得出結論哦~R語言裡的ggmap包是繪製地圖的利器。在確保電腦可以上外網的情況下(為了保證進入google地圖的URL)，ggmap包幫助我們輕鬆下載google map，再加上和ggplot2製圖包的疊加，可以輕鬆、方便地繪製可視化地圖。
  • R語言學習筆記之相關性矩陣分析及其可視化
    library(Hmisc)#加載包res2 <- rcorr(as.matrix(mydata))res2#可以用res2$r、res2$P來提取相關係數以及顯著性p-valueres2$r可視化相關係數矩陣有不同的方法來可視化，主要有下面四種：##symnum() function主要用法：symnum(x, cutpoints
  • R語言可視化(二):折線圖繪製
    02.折線圖繪製清除當前環境中的變量rm(list=ls())設置工作目錄setwd("C:/Users/Dell
  • R語言可視化(二十四):和弦圖繪製
    和弦圖繪製清除當前環境中的變量rm(list=ls())設置工作目錄setwd("C:/Users/Dell/Desktop/R_Plots/24chord/")使用circlize包繪製和弦圖# 安裝並加載所需的
  • Day7:R語言課程 (R語言進行數據可視化)
    學習目標使用擴展包「ggplot2」繪製圖表。使用「map」函數進行數據結構迭代。導出在R環境之外使用的圖片。1.設置數據框以進行可視化在本課中需要製作與每個樣本中的平均表達量相關的多個圖，還需要使用所有可用的metadata來適當地注釋圖表。觀察rpkm數據。
  • R語言與Tableau集成之可視化應用
    作者 | CDA數據分析師Tableau是一款非常棒的數據可視化商業軟體，通過拖拉拽的方式迅速地實現數據可視化。而且該軟體可以連接任何一種資料庫，在處理大型數據時一點都不遜色。缺點是其無法從事數據分析和挖掘工作，幸運的是，從Tableau的8.0開始，Tableau與R語言打通，可以在Tableau中運行R腳本，從而將R語言的分析或挖掘結果在Tableau中展示。如何實現Tableau和R語言的聯手繪製可視化圖表呢？
  • R語言可視化之UpSetR包
    作者：嚴濤簡介集合可視化我們用得最多的是韋恩圖，韋恩圖在集合數少的時候是很好用的，但是當集合數多比如五個以上的時候那就會看花眼了，比如下面這副含有, 5, 6, 7, 8, 9, 10, 12, 13))#fromExpressionexpressionInput <- c(one = 2, two = 1, three = 2, `one&two` = 1, `one&three` = 4,`two&three` = 1, `one&two&three` = 2)接下來就可以繪製繪製圖形了
  • 超級乾貨 :手把手教你學習R語言(附資源連結)
    平面圖無處不在R語言提供了多種創建圖形方法，使用原理圖創建圖形是標準的方法。然而，有一些好的工具(或包)使用更簡單的方式來創建，查看圖形。在R語言中學習基本圖形語法是數據可視化中一種實用方法。如果您遇到了繪製數據的問題，這篇文章會對您有所幫助。在這個CRAN任務視圖中可以查看到更多的可視化資源。或者查看R語言數據可視化指南。2. 地圖無處不在您對分析空間可視化數據感興趣嗎？
  • R語言可視化(二十九):聚類樹圖繪製
    聚類樹圖繪製清除當前環境中的變量rm(list=ls())設置工作目錄setwd("C:/Users/Dell/Desktop/R_Plots/29dendrogram/")使用dendrogram函數繪製聚類樹圖
  • 技術貼 | R語言:組學關聯分析和pheatmap可視化
    舉例展示R語言組學關聯分析的方法。宏基因組數據以KO-樣品豐度表為例。代謝組數據以metabolite-樣品豐度表為例。基本方法是用R語言psych包corr.test函數進行兩組數據的相關分析，結果經格式化後用pheatmap可視化得熱圖。一、模擬輸入 1.