重命名行以控制dist（）和promp（）对象中的项
我有一个名为family 1的数据框（如下）。这些数据将用于构建树状图和主成分分析。我想控制dist（）和promp（）对象中项目的名称，这两个对象都使用行名称来表示项目之间的关系（即差异矩阵）。通过系统地命名行（代码如下），我创建了一系列不同的树状图。然而，我的姓氏是字母数字的“X22”、“X2”、“X75”和“X87”，每一行都不同，因此R似乎被它们弄糊涂了。数据框将非常大，系统性地命名行将非常详尽。数据框中的每一行都可以用不同的族名称（即“X22”、“X87”、“X22”、“X4”、“X22”…）进行标记和排序。在下面的示例中，我使用ddply（）组织了这些姓氏。我要问的问题是，如何使用列标题“family”下包含的正确对应的族名称重命名这个大型数据集中的行名称。然后，我可以从数据框中提取列“Family”，并在使用dist（）和promp（）时，仅依靠行名称来指示族之间的不同关系，即它们的值SBI.x 树状图 图书馆（Dendestend） 家庭1美元家庭重命名行以控制dist（）和promp（）对象中的项,r,row,pca,dendrogram,dendextend,R,Row,Pca,Dendrogram,Dendextend,我有一个名为family 1的数据框（如下）。这些数据将用于构建树状图和主成分分析。我想控制dist（）和promp（）对象中项目的名称，这两个对象都使用行名称来表示项目之间的关系（即差异矩阵）。通过系统地命名行（代码如下），我创建了一系列不同的树状图。然而，我的姓氏是字母数字的“X22”、“X2”、“X75”和“X87”，每一行都不同，因此R似乎被它们弄糊涂了。数据框将非常大，系统性地命名行将非常详尽。数据框中的每一行都可以用不同的族名称（即“X22”、“X87”、“X22”、“X4”、“X2
#Dendrogram
library(dendextend)
family1$Family <- as.factor(family1$Family)
class(family1$Family)
str(family1)
family1
family2 <- ddply(family1,.(Family), summarise, SBI.CV.mean = mean(SBI.CV))
family2
class(family2)
rownames(family2)
[1] "1" "2" "3" "4"
rownames(family2)[1] <- "X22"
rownames(family2)[2] <- "X4"
rownames(family2)[3] <- "X75"
rownames(family2)[4] <- "X87"
rownames(family2)
[1] "X22" "X4" "X75" "X87"
family2
keeps <- "SBI.CV.mean"
family3 <- family2[,keeps,drop=FALSE]
family3
par(mfrow = c(3,3))
require(graphics)
dend.data <- hclust(dist(family3))
dend <- as.dendrogram(dend.data)
plot(dend)
dend.data1 <- hclust(dist(family3), "single")
dend1 <- as.dendrogram(dend.data1, horiz=T)
plot(dend1, horiz=T)
dend.data2 <- hclust(dist(family3), "ave")
dend3 <- as.dendrogram(dend.data2, hang=0.02)
plot(dend2, horiz=TRUE)
dend.data3 <- hclust(dist(family3), "ave")
dend3 <- as.dendrogram(dend.data3, hang=-1)
plot(dend3)
colour.dend1 <- as.dendrogram(dend3)
colour.dend1
dend1_mod_01 <- colour.dend1
dend1_mod_01 <- colour_branches(dend1_mod_01, k=2)
col_for_labels <- c("purple","purple","orange","purple","orange","dark green")
dend_mod_01 <- color_labels(dend1_mod_01,col=col_for_labels)
plot(dend3)
plot(dend1_mod_01)
Family SBI.CV SBI.x
1 X22 66.666670 0.2859644782
2 X22 50.000000 -0.2724271529
3 X22 66.666670 0.2859644782
4 X22 50.000000 -0.2724271529
5 X22 66.666670 0.2859644782
6 X22 50.000000 -0.2724271529
7 X22 66.666670 0.2859644782
8 X22 50.000000 -0.2724271529
9 X22 66.666670 0.2859644782
10 X4 50.000000 -0.2724271529
11 X4 66.666670 0.2859644782
12 X4 50.000000 -0.2724271529
13 X4 66.666670 0.2859644782
14 X4 50.000000 -0.2724271529
15 X4 66.666670 0.2859644782
16 X4 50.000000 -0.2724271529
17 X4 66.666670 0.2859644782
18 X4 50.000000 -0.2724271529
19 X75 105.249338 1.5786185545
20 X75 78.507843 0.6826851131
21 X75 25.101428 -1.1066162398
22 X75 67.395050 0.3103677511
23 X75 67.857549 0.3258630822
24 X75 145.284695 2.9199427839
25 X75 60.806449 0.0896266157
26 X75 71.595201 0.4510874730
27 X75 8.845135 -1.6512588087
28 X75 119.192646 2.0457680508
29 X75 50.024029 -0.2716220975
30 X75 7.733006 -1.6885190128
31 X75 23.977506 -1.1442715506
32 X75 37.055887 -0.7061001284
33 X75 76.765617 0.6243144597
34 X75 86.444781 0.9486002452
35 X75 12.882740 -1.5159849452
36 X75 74.266621 0.5405893693
37 X75 45.465494 -0.4243489346
38 X75 16.600339 -1.3914324000
39 X75 42.897631 -0.5103813099
40 X75 41.374846 -0.5613999237
41 X75 73.292581 0.5079556288
42 X75 134.677664 2.5645702145
43 X75 13.588425 -1.4923420341
44 X75 87.600497 0.9873207660
45 X75 58.104290 -0.0009051445
46 X75 43.961024 -0.4747539319
47 X75 29.329649 -0.9649560749
48 X75 25.727674 -1.0856348125
49 X75 86.583227 0.9532386696
50 X75 45.530280 -0.4221783774
51 X75 37.480592 -0.6918710282
52 X75 53.528554 -0.1542082751
53 X75 52.208901 -0.1984212577
54 X75 13.855732 -1.4833863164
55 X75 73.891903 0.5280350081
56 X75 50.819011 -0.2449874251
57 X75 57.510157 -0.0208106742
58 X75 39.984956 -0.6079660910
59 X75 25.825865 -1.0823450712
60 X75 100.217554 1.4100362237
61 X75 47.522531 -0.3554310136
62 X87 7.014259 -1.7125995466
63 X87 70.808548 0.4247318511
64 X87 29.447163 -0.9610189457
65 X87 63.880988 0.1926344059
66 X87 20.743852 -1.2526102488
67 X87 85.819272 0.9276435100
68 X87 85.635091 0.9214728035
69 X87 45.392863 -0.4267823266
70 X87 64.801549 0.2234764132
71 X87 72.351927 0.4764404358
72 X87 125.895232 2.2703280817
73 X87 72.035520 0.4658396967
74 X87 56.762990 -0.0458433772
75 X87 54.722673 -0.1142011198
76 X87 124.943928 2.2384560765
77 X87 35.527844 -0.7572949035
78 X87 47.422399 -0.3587857852
79 X87 37.716625 -0.6839630986
80 X87 68.930631 0.3618150755
81 X87 74.545714 0.5499399592
82 X87 50.891461 -0.2425600971
83 X87 6.548454 -1.7282056403
84 X87 94.367915 1.2140528952
85 X87 42.406152 -0.5268475722
86 X87 59.187538 0.0353874453
87 X87 102.434045 1.4842964104
88 X87 85.227130 0.9078046857
89 X87 109.304906 1.7144942411
90 X87 36.815668 -0.7141483035
91 X87 18.201273 -1.3377955219
92 X87 45.524410 -0.4223750429
93 X87 99.347994 1.3809029280
94 X87 66.913808 0.2942444640
95 X87 79.170739 0.7048944434
96 X87 75.674816 0.5877688181
97 X87 65.629371 0.2512113403
98 X87 16.569935 -1.3924510401
99 X87 31.772731 -0.8831042987
100 X87 38.017454 -0.6738842769
101 X87 24.862990 -1.1146047452
102 X87 34.972611 -0.7758971474
103 X87 136.658358 2.6309303785
104 X87 14.192113 -1.4721163785