R 基于样本分类的颜色数据点
创建一个成对散点图,显示多个样本(数据框中的行)中基因(数据框中的列)之间的关系。这些样品分为两组:A组和B组。由于图中的一个点代表一个样本,我需要根据两种不同颜色的组给数据点(点)上色,例如A组为“绿色”,B组为“红色”。有可能吗 任何形式的帮助都将不胜感激 plot(DF[1:6],pch=21)#用于绘图的命令,DF为数据帧 数据帧示例:R 基于样本分类的颜色数据点,r,R,创建一个成对散点图,显示多个样本(数据框中的行)中基因(数据框中的列)之间的关系。这些样品分为两组:A组和B组。由于图中的一个点代表一个样本,我需要根据两种不同颜色的组给数据点(点)上色,例如A组为“绿色”,B组为“红色”。有可能吗 任何形式的帮助都将不胜感激 plot(DF[1:6],pch=21)#用于绘图的命令,DF为数据帧 数据帧示例: CBX3 PSPH ATP2C1 SNX10 MMD ATP13A3 B 10.5898
CBX3 PSPH ATP2C1 SNX10 MMD ATP13A3
B 10.589844 6.842970 8.084550 8.475023 9.202490 10.403811
A 10.174385 5.517944 7.736994 9.094834 9.253766 10.133408
B 10.202084 5.669137 7.392141 7.522270 7.830969 9.123178
B 10.893231 6.630709 7.601690 7.894177 8.979142 9.791841
B 10.071038 5.091222 7.032585 8.305581 7.903737 8.994821
A 10.005002 4.708631 7.927246 7.292527 8.257853 10.054630
B 10.028055 5.080944 6.421961 7.616856 8.287496 9.642294
A 10.144115 6.626483 7.686203 7.970934 7.919615 9.475175
A 10.675386 6.874047 7.900560 7.605519 8.585158 8.858613
A 9.855063 5.164399 6.847923 8.072608 8.221344 9.077744
A 10.994228 6.545318 8.606128 8.426329 8.787876 9.857079
A 10.501266 6.677360 7.787168 8.444976 8.928174 9.542558
使用基本图形可能没那么容易。使用lattice可以很容易地做到这一点。使用此示例data.frame
dd<-structure(list(CLASS = structure(c(2L, 1L, 2L, 2L, 2L, 1L, 2L,
1L, 1L, 1L, 1L, 1L), .Label = c("A", "B"), class = "factor"),
CBX3 = c(10.589844, 10.174385, 10.202084, 10.893231, 10.071038,
10.005002, 10.028055, 10.144115, 10.675386, 9.855063, 10.994228,
10.501266), PSPH = c(6.84297, 5.517944, 5.669137, 6.630709,
5.091222, 4.708631, 5.080944, 6.626483, 6.874047, 5.164399,
6.545318, 6.67736), ATP2C1 = c(8.08455, 7.736994, 7.392141,
7.60169, 7.032585, 7.927246, 6.421961, 7.686203, 7.90056,
6.847923, 8.606128, 7.787168), SNX10 = c(8.475023, 9.094834,
7.52227, 7.894177, 8.305581, 7.292527, 7.616856, 7.970934,
7.605519, 8.072608, 8.426329, 8.444976), MMD = c(9.20249,
9.253766, 7.830969, 8.979142, 7.903737, 8.257853, 8.287496,
7.919615, 8.585158, 8.221344, 8.787876, 8.928174), ATP13A3 = c(10.403811,
10.133408, 9.123178, 9.791841, 8.994821, 10.05463, 9.642294,
9.475175, 8.858613, 9.077744, 9.857079, 9.542558)), .Names = c("CLASS",
"CBX3", "PSPH", "ATP2C1", "SNX10", "MMD", "ATP13A3"), class = "data.frame", row.names = c(NA, -12L))
得到
使用基本图形可能没有那么容易。使用lattice可以很容易地做到这一点。使用此示例data.frame
dd<-structure(list(CLASS = structure(c(2L, 1L, 2L, 2L, 2L, 1L, 2L,
1L, 1L, 1L, 1L, 1L), .Label = c("A", "B"), class = "factor"),
CBX3 = c(10.589844, 10.174385, 10.202084, 10.893231, 10.071038,
10.005002, 10.028055, 10.144115, 10.675386, 9.855063, 10.994228,
10.501266), PSPH = c(6.84297, 5.517944, 5.669137, 6.630709,
5.091222, 4.708631, 5.080944, 6.626483, 6.874047, 5.164399,
6.545318, 6.67736), ATP2C1 = c(8.08455, 7.736994, 7.392141,
7.60169, 7.032585, 7.927246, 6.421961, 7.686203, 7.90056,
6.847923, 8.606128, 7.787168), SNX10 = c(8.475023, 9.094834,
7.52227, 7.894177, 8.305581, 7.292527, 7.616856, 7.970934,
7.605519, 8.072608, 8.426329, 8.444976), MMD = c(9.20249,
9.253766, 7.830969, 8.979142, 7.903737, 8.257853, 8.287496,
7.919615, 8.585158, 8.221344, 8.787876, 8.928174), ATP13A3 = c(10.403811,
10.133408, 9.123178, 9.791841, 8.994821, 10.05463, 9.642294,
9.475175, 8.858613, 9.077744, 9.857079, 9.542558)), .Names = c("CLASS",
"CBX3", "PSPH", "ATP2C1", "SNX10", "MMD", "ATP13A3"), class = "data.frame", row.names = c(NA, -12L))
得到
您可以通过指定参数
col
策划
通过指定参数
col
策划
GGALY在这方面也有很好的功能
library(GGally)
ggpairs(dd, color = 'CLASS',columns = 2:ncol(dd) )
GGally在这方面也有很好的功能
library(GGally)
ggpairs(dd, color = 'CLASS',columns = 2:ncol(dd) )
您的
colorchoose()
功能很有趣;但对我来说画得很慢。你应该考虑在<代码>之前添加<代码> DEV.HORD()/<代码> 循环和<代码> DEVFLUSEH()/代码>。或者更好的是,使用s@MrFlick这些都是很好的建议。我大约8年前写过这篇文章,从那以后就再也没有碰过它。它在windows上渲染很快,在Mac上渲染很慢。(直到最近,我的大部分工作都是在窗口机器上进行的)是的,我在Mac电脑上测试。我提出的两个建议都大大缩短了渲染时间;但对我来说画得很慢。你应该考虑在<代码>之前添加<代码> DEV.HORD()/<代码> 循环和<代码> DEVFLUSEH()/代码>。或者更好的是,使用s@MrFlick这些都是很好的建议。我大约8年前写过这篇文章,从那以后就再也没有碰过它。它在windows上渲染很快,在Mac上渲染很慢。(直到最近,我的大部分工作都是在窗口机器上进行的)是的,我在Mac电脑上测试。我提出的两个建议都大大缩短了渲染时间。
library(GGally)
ggpairs(dd, color = 'CLASS',columns = 2:ncol(dd) )