

[会员专享]R优雅的一图展示三份数据

R语言数据分析指南

2023-11-01

欢迎关注R语言数据分析指南

❝
小编最近帮朋友绘制一张图稍有启发，其主要内容为「如何通过一张图来展示三份数据之间的关系」，比如将常见的转录组、生理指标、代谢组等三组数据用一张图进行呈现。小编将通过一个案例进行演示，这里展示的图形仅用于示范目的，整个过程仅参考。希望对各位观众老爷能有所帮助。「完整的数据代码已经整合上传到2023VIP交流群」，加群的观众老爷可自行下载，有需要的朋友可关注文末介绍加入VIP交流群。
❞

图形展示

图形解读

❝
数据为随意构造不太合理，仅作展示用；热图可以看做同一批样本基因与代谢物之间的关系，网络图则可以看做理化指标与代谢物之间的关系。这样通过数据分析三组数据在一张图中呈现了出来，当然绘制此图不难，只需要针对linkET包构建好数据即可，难点在于如何针对样本数据进行聚类，根据聚类调整图形，这是一个小细节，后面在做介绍。下面来看一下图形绘制过程：
❞

加载R包

library(psych)
library(reshape2)
library(tidyverse)
library(magrittr)
library(linkET)
library(ggtext)

导入数据

env <- read_tsv("env.tsv")
spe <- read_tsv("spe.tsv")

数据整合

df1 <- melt(cor) %>% mutate(pvalue=melt(pvalue)[,3],
                            p_signif=symnum(pvalue, corr = FALSE, na = FALSE,
                                            cutpoints = c(0, 0.01, 0.05, 0.1, 1), 
                                            symbols = c("**","*", "", " "))) %>% 
  set_colnames(c("taxa","gene","r","p","p_signif"))

pp2 <- corr.test(spe,env,method="pearson",adjust = "fdr")
cor <- pp2$r
pvalue <- pp2$p

df2 <- melt(cor) %>% mutate(pvalue=melt(pvalue)[,3],
                            p_signif=symnum(pvalue, corr = FALSE, na = FALSE,  
                                            cutpoints = c(0,0.01, 0.05, 0.1, 1), 
                                            symbols = c("**","*", "", " "))) %>% 
  set_colnames(c("taxa","VFA","r","p","p_signif"))

❝
本节内容介绍到此结束，过程仅供参考；完整版的代码可到小编的2023VIP交流群中查看，有需要欢迎到小编的「淘宝店铺」 「R语言数据分析指南」购买「2023年度会员文档」同步更新中「售价149元」，内容主要包括各种「高分论文的图表分析复现以及一些个性化图表的绘制」均包含数据+代码；按照往年数据小编年产出约在150+以上
❞

购买后微信发小编订单截图即邀请进新的会员交流群，小编的文档为按年售卖，只包含当年度的「除系列课程外」的文档，有需要往年文档的朋友也可下单购买，需要了解更多信息的朋友欢迎淘宝店铺交流咨询。