關(guān)于相關(guān)性炕倘，表示數(shù)據(jù)之間的相互依賴關(guān)系。但需要注意瘤运，數(shù)據(jù)具有相關(guān)性不一定意味著具有因果關(guān)系窍霞。
相關(guān)性在組學(xué)數(shù)據(jù)挖掘中應(yīng)用非常廣，如樣本的重復(fù)檢驗拯坟、基因的共表達(dá)分析但金、微生物群落的共發(fā)生網(wǎng)絡(luò)分析等。
相關(guān)性分析其實較為簡單郁季，用R語言自帶的cor()函數(shù)非常容易計算得到兩兩變量間的相關(guān)系數(shù)冷溃。下面我們就來看下如何用R語言實現(xiàn)相關(guān)性計算并繪制帶有顯著性星標(biāo)的相關(guān)性熱圖钱磅。
1.相關(guān)系數(shù)計算
以R自帶的數(shù)據(jù)集mtcars為例，直接計算矩陣或數(shù)據(jù)框?qū)?yīng)列之間的相關(guān)性系數(shù)似枕。
#查看范例數(shù)據(jù)的前6行盖淡；
head(mtcars)
#計算mtcars數(shù)據(jù)框的相關(guān)性系數(shù);
cor<- cor(mtcars)
class(cor)
#查看得到相關(guān)性系數(shù)矩陣的前5行，前5列凿歼；
cor[1:5,1:5]
2.繪圖樣式
#安裝R包褪迟；
install.packages("corrplot")
#載入相關(guān)R包；
library(corrplot)
#默認(rèn)的繪制方法是 "circle",圖形的樣式還可以是"square"答憔、"ellipse"味赃、"pie"和"color"等，其中method = "number"時虐拓，只顯示相關(guān)性系數(shù)心俗；
corrplot(cor, method = "square")
#可繪制lower、lower蓉驹、full三種布局方式的熱圖另凌，當(dāng)然也可以混合顯示；
corrplot.mixed(cor, lower = "square", upper = "circle", tl.col = "black")
3.聚類順序調(diào)整
#常見的排序方式有 "AOE", "FPC", "hclust", "alphabet"戒幔；
#"AOE" 是指按特征向量的角度排序(angular order of the eigenvectors);
#"FPC" 是按照 first principal component 的順序排序吠谢；
#"hclust"是按照分層聚類的結(jié)果排序；
#"alphabet"按照名稱字母順序排序诗茎。
corrplot(cor, order = "hclust")
#如果是選"hclust"工坊，還可以根據(jù)聚類結(jié)果添加矩形框；
corrplot(cor, order = "hclust", addrect = 2)
4.調(diào)整顏色
#自定義漸變顏色敢订；
col2 <- colorRampPalette(c("#77C034","white" ,"#C388FE"),alpha = TRUE)
#使用這些漸變顏色王污；
#addgrid.col調(diào)整網(wǎng)格顏色；
#outoutline指定圖形描邊楚午；
corrplot(cor, order = "hclust", addgrid.col = "grey70",type = "upper",
outline = "orange",col = col2(100),method = "square",diag = F)
#Tips:這里的col2的對象類型是函數(shù)昭齐！
col2(100)
class(col2)
#自定義文本標(biāo)簽顏色：
#tl.* 系列參數(shù)用于調(diào)整文本標(biāo)簽；
#tl.col (text label color) 調(diào)整文字標(biāo)簽顏色;
#tl.srt (text label string rotation) 調(diào)標(biāo)簽角度(橫軸方向)矾柜；
#tl.cex調(diào)字體大汹寮荨；
#使用r自帶顏色集cm.colors的效果如下怪蔑；
corrplot(cor, order = "hclust",col = cm.colors(100),method = "square",
tl.col="black",tl.cex = 0.8)
5.圖例調(diào)整
# cl.* 系列參數(shù)用于調(diào)整圖例里覆；
#cl.ratio 調(diào)整顏色條的寬度；
#cl.align調(diào)整顏色條刻度標(biāo)簽的對齊方式缆瓣；
#cl.length指定顏色條標(biāo)簽個數(shù)喧枷；
corrplot(cor, order = "hclust",col = col2(100),method = "circle",
cl.length=5,addgrid.col = NA,outline = "grey60",
tl.col="black",tl.cex = 0.8,cl.pos = "r",cl.ratio = 0.2)
#繪制上三角熱圖；
corrplot(cor, order = "hclust",col = col2(100),method = "square",
cl.length=5, type = "upper",diag = F,
tl.col="black",tl.cex = 0.8,cl.pos = "r",cl.ratio = 0.2)
#去掉圖例和標(biāo)簽；
corrplot(cor, order = "hclust",col = col2(100),method = "square",
tl.col="black",tl.cex = 0.8,cl.pos = "n",tl.pos = "n")
6.顯示數(shù)值
#添加顯著性標(biāo)記：
#使用cor.mtest做顯著性檢驗隧甚；
res1 <- cor.mtest(mtcars, conf.level = .95)
res2 <- cor.mtest(mtcars, conf.level = .99)
#提取p值矩陣车荔；
p.mat = res1$p
p.mat[1:5,1:5]
#指定顯著性水平,不顯著的為空白；
corrplot(cor, order = "hclust",col = col2(100),method = "color",
tl.col="black",tl.cex = 0.8,cl.pos = "r",cl.ratio = 0.2,
p.mat = res1$p, sig.level = .05,insig = "blank",addgrid.col="white")
#顯示P值戚扳；
corrplot(cor, order = "hclust",col = col2(100),method = "color",
tl.col="black",tl.cex = 0.8,cl.pos = "r",cl.ratio = 0.2,
p.mat = res1$p, sig.level = -1,pch.cex=1,
insig = "p-value", pch.col = "white")
#顯示相關(guān)系數(shù)夸赫；
#par(lty=2)可指定線的粗細(xì)，遺憾的是會作用到圖例的線條咖城；
corrplot(cor, order = "hclust",col = col2(100),method = "color",
cl.length=5,addgrid.col="white",cl.pos = "r",
addCoef.col="black",number.cex=0.6,number.digits=1,number.font=1,
tl.col="black",tl.cex = 0.8,cl.ratio = 0.2)
#缺失值的展示茬腿，默認(rèn)是用“？”,也可以自定義宜雀；
#corrplot(cor, na.label = "NA")
7.添加顯著性星標(biāo)標(biāo)記
#insig為"p-value",不顯著的格子顯示p值;
#insig為"label_sig",可用于顯示不同顯著水平的星標(biāo)切平；
#insig為"pch" (default),不顯著的格子顯示pch值對應(yīng)圖形；
corrplot(cor, order = "hclust",col = col2(100),method = "color",
tl.col="black",tl.cex = 0.8,cl.pos = "r",cl.ratio = 0.2,
p.mat = res1$p, sig.level = c(.001, .01, .05),outline="white",
insig = "label_sig",pch.cex = 1.2, pch.col = "white")
8.推薦另一個R包ggcor
上文的corrplot包是基于R基礎(chǔ)繪圖函數(shù)創(chuàng)建的辐董，那么又沒有基于ggplot2的呢悴品？有，比如相對應(yīng)的ggcorrplot包简烘，不過我這里推薦另一個R包：ggcor 苔严。
#安裝方法：
# install.packages("devtools")
devtools::install_github("houyunhuang/ggcor")
#載入R包；
library(ggcor)
library(ggplot2)
#直接快速繪制整個相關(guān)性熱圖孤澎；
quickcor(mtcars, cluster = TRUE,cor.test = TRUE) +
geom_colour() +
geom_mark(size=3,color="white",fontface=1)+
scale_fill_gradientn(colours = c("#77C034","white" ,"#C388FE"))+
geom_panel_grid(colour = "white",size = 1)
#直接繪制上三角熱圖届氢；
quickcor(mtcars, cluster = TRUE,type = "upper",cor.test = TRUE) +
geom_colour(data = get_data(type = "upper")) +
geom_mark(data = get_data( type = "upper"),size=3,color="white",fontface=1)+
scale_fill_gradientn(colours = c("#77C034","white" ,"#C388FE"))+
geom_panel_grid(colour = "white",size = 0.6)
#直接繪制上三角“方塊”熱圖；
quickcor(mtcars, cluster = TRUE,type = "upper",cor.test = TRUE) +
geom_square(data = get_data(type = "upper")) +
scale_fill_gradientn(colours = c("#77C034","white" ,"#C388FE"))+
geom_panel_grid(size = 0.6)
#直接繪制上三角“氣泡”熱圖覆旭；
quickcor(mtcars, cluster = TRUE,type = "upper",cor.test = TRUE) +
geom_circle2(data = get_data(type = "upper"),colour="white") +
scale_fill_gradientn(colours = c("#77C034","white" ,"#C388FE"))+
geom_panel_grid(colour = "white",size = 0.6)
拓展閱讀
方差（Variance）：每個樣本值與全體樣本值的平均數(shù)之差的平方值的平均數(shù)退子，用于衡量一個變量的數(shù)據(jù)和期望值離散程度，公式如下型将，其中寂祥，σ2 即D(X)、Var(V)七兜，為總體方差丸凭，X為變量，μ為總體均值腕铸，N為總體個數(shù)惜犀。
或
協(xié)方差（Covariance）：用于衡量兩個變量的總體誤差。而方差可看作是協(xié)方差的一種特例恬惯，即當(dāng)兩個變量是相同的時候向拆。公式如下：
可以看出，若X酪耳，Y正相關(guān)（變換趨勢相同），則協(xié)方差值為正；變化趨勢相反則協(xié)方差值為負(fù)碗暗。
相關(guān)系數(shù)（Pearson）：相關(guān)系數(shù)是研究變量之間線性相關(guān)程度的指標(biāo)颈将，而相關(guān)關(guān)系是一種非確定性的關(guān)系，數(shù)據(jù)具有相關(guān)性不能推出有因果關(guān)系言疗。相關(guān)系數(shù)的計算公式如下：
其中晴圾，公式的分子為X，Y兩個變量的協(xié)方差噪奄，Var(X)和Var(Y)分別是這兩個變量的方差死姚。當(dāng)X,Y的相關(guān)程度最高時，即X,Y趨近相同時勤篮，很容易發(fā)現(xiàn)分子和分母相同都毒，即r=1。
好啦碰缔，本次就分享到這里啦账劲，不知對你有沒有啟發(fā)呢
作者：wanghaihua888
鏈接：http://www.reibang.com/p/9a53928c2ce4
來源：簡書
著作權(quán)歸作者所有。商業(yè)轉(zhuǎn)載請聯(lián)系作者獲得授權(quán)金抡，非商業(yè)轉(zhuǎn)載請注明出處瀑焦。
