ggplot2 在 R 中自定义相关热图

R中能绘制相关性热图的包有很多corrplot、corrgram、ggcorrplot等，这些R包都有丰富的功能，但是如果需要对图像进行自定义难免受到他人函数约束，下面介绍如何自定义准备ggplot2需要的相关性数据

下载并加载R包

package.list=c("tidyverse","lucid")

for (package in package.list) {
  if (!require(package,character.only=T, quietly=T)) {
    install.packages(package)
    library(package, character.only=T)
  }
}

定义函数

使用Hmisc::rcorr()函数来计算相关性

cors <- function(df) {
  m <- Hmisc::rcorr(as.matrix(df)) 
  mdf <- map(m, ~data.frame(.x)) 
  return(mdf)
}

df_cor <- function(df){
cors(df) %>% 
  map(~rownames_to_column(.x, var="ID1")) %>%
  map(~pivot_longer(.x, -ID1,"ID2")) %>%
  bind_rows(.id = "id") %>%
  pivot_wider(names_from = id, values_from = value) %>% 
  mutate(p_if = ifelse(P <.05, P, NA), # P <0.05 返回P值
         r_if = ifelse(P <.05, r, NA),        # p <0.05 返回r值
         p_signif=symnum(P, corr = FALSE, na = FALSE,  
                cutpoints = c(0, 0.001, 0.01, 0.05, 0.1, 1), 
                symbols = c("***", "**", "*", ".", " ")))   # 将P值转化为*
}         

下面让我们测试一下函数(n表示用于每个相关性的观测值数量)

df_cor(mtcars)

   ID1   ID2        r     n         P      p_if   r_if p_signif 
                    
 1 mpg   mpg    1        32 NA        NA        NA              
 2 mpg   cyl   -0.852    32  6.11e-10  6.11e-10 -0.852 ***      
 3 mpg   disp  -0.848    32  9.38e-10  9.38e-10 -0.848 ***      
 4 mpg   hp    -0.776    32  1.79e- 7  1.79e- 7 -0.776 ***      
 5 mpg   drat   0.681    32  1.78e- 5  1.78e- 5  0.681 ***      

数据可视化(1)

df_cor(mtcars) %>%
  ggplot(aes(ID1,ID2,color=r)) +
  geom_tile(col="black", fill="white") + 
  geom_point(aes(size = abs(r)),shape=15) + 
  geom_text(aes(label=p_signif),size=5,color="white",
            hjust=0.5,vjust=0.7)+
  labs(x = NULL, y = NULL)+ 
  theme_classic() +
  theme(axis.text=element_text(color="black"))+
  scale_color_gradient2(mid="#FBFEF9",
                        low="#0C6291",high="#A63446") +
  scale_x_discrete(expand=c(0,0)) +
  scale_y_discrete(expand=c(0,0))+
  scale_size(range=c(1,11), guide=NULL)

数据可视化(2)

df_cor(mtcars) %>% 
  ggplot(aes(ID1,ID2,fill=r,label=round(r_if,2))) +
  geom_tile() +
  labs(x = NULL,y=NULL) + 
  scale_fill_gradient2(mid="#FBFEF9",low="#0C6291",high="#A63446", limits=c(-1,1)) +
  geom_text() +
  theme_classic() +
  scale_x_discrete(expand=c(0,0)) +
  scale_y_discrete(expand=c(0,0))+
  theme(axis.text=element_text(color="black"))

喜欢的小伙伴欢迎关注我的公众号 ,下回更新不迷路

R语言数据分析指南，持续分享数据可视化的经典案例及一些生信知识，希望对大家