示例圖像
首先安裝需要的包
install.packages("Corrplot") #安裝Corrplot
install.packages("RColorBrewer ") #安裝RColorBrewer
install.packages("showtext")#安裝showtext
install.packages("sysfonts")#安裝sysfonts
install.packages("showtextdb")#安裝showtextdb
install.packages("showtext")#安裝RColorBrewer
加載需要的包
lapply(c("corrplot","showtex","RColorBrewer","showtextdb","sysfonts"))
如果需要更換字體，就加載系統內字體
font.families() #查看添加的字體 showtext.begin() #加載字體 **showtext.end() #停止加載字體
導入數據[示例]
mydataframe<-read.csv(file,header=logical_value,sep="delimiter",row.names="name")
mydataframe：自定義數據名稱，此處將集合名稱定義為mydataframe table：指讀取文件格式為表格 file: csv文件的名稱或路徑夾名稱 header:其后面邏輯值，可填寫TRUE或FALSE，表示文件是否讀取橫列標題 sep:指文件分隔符，如csv用英文逗號分隔 "," row.names:指定表示行標識符的變量（作為行名的表頭）
本次利用自帶的mtcars作為示例data(mtcars)#加載數據集
mydata <- mtcars[, c(1:7)]#使用前7行數據
查看數據
head(mydata)#查看數據
繪制圖像
pic01<-cor(mydata) corrplot(pic01)
corrplot(mydata)
可以在括號內加入如下定義，改變圖像。
method = c("circle"/"square"/"ellipse"/"number"/ "shade"/"color"/"pie"),
method：指定可視化的方法，可以是圓形、方形、橢圓形、數值、陰影、顏色或餅圖形
type = c("full"/"lower"/"upper"),
type：指定展示的方式，可以是完全的圖形、上三角或下三角（不填時默認為“full”）
col：指定圖像的幾種顏色，默認以均勻的顏色展示,以col = c("purple", "green","white")),為例，即指圖標在（-1，1）區間以紫色、綠色、白色三種顏色的改變表示。
****可以通過colorRampPalette定義
COLOR01<- colorRampPalette(c("#5081ff","#638dff","#b1c6ff","#c3d5ff" ,"#ffffff", "#f7cccc","#f1aeac","#eb8b8a","#e66a68"))(10)
corrplot(pic01,col = COLOR01)
bg = c("white"/"black"/"pink"/……)，
bg：指定圖的背景色
title = "HokkaidoM",
mar=c(0, 0, 1, 0)
title：為圖形添加標題
mar=c(0, 0, 1, 0) ：設置圖距離（下，左，上，右）四個邊緣的距離
*****若使用標題title必須加mar=c(0, 0, 1, 0)，不然標題顯示不全
is.corr = TRUE,
is.corr：是否為相關系數繪圖，默認為TRUE，同樣也可以實現非相關系數的可視化，只需使該參數設為FALSE即可
diag = TRUE,
diag：是否展示對角線上的結果，默認為TRUE
outline = FALSE，
outline：是否繪制圓形、方形或橢圓形的輪廓，默認為FALSE
addgrid.col = NULL,
addgrid.col：當選擇的方法為顏色或陰影時，默認的網格線顏色為白色，否則為灰色
addCoef.col = NULL,
addCoef.col：為相關系數添加顏色，默認不添加相關系數，只有方法為number時，該參數才起作用
addCoefasPercent = FALSE,
addCoefasPercent：為節省繪圖空間，是否將相關系數轉換為百分比格式，默認為FALSE
order = c("original", "AOE", "FPC", "hclust", "alphabet"),
hclust.method = c("complete", "ward", "single", "average", "mcquitty", "median", "centroid"),
order：指定相關系數排序的方法，可以是原始順序(original)、特征向量角序(AOE)、第一主成分順序(FPC)、層次聚類順序(hclust)和字母順序，一般”AOE”排序結果都比”FPC”要好
hclust.method：當order為hclust時，該參數可以是層次聚類中ward法、最大距離法等7種之一
addrect = NULL,
rect.col = "black",
rect.lwd = 2,
addrect：當order為hclust時，可以為添加相關系數圖添加矩形框，默認不添加框，如果想添加框時，只需為該參數指定一個整數即可
rect.col：指定矩形框的顏色
rect.lwd：指定矩形框的線寬
tl.pos = NULL,
tl.pos：指定文本標簽(變量名稱)的位置，當type=full時，默認標簽位置在左邊和頂部(lt)，當type=lower時，默認標簽在左邊和對角線(ld)，當type=upper時，默認標簽在頂部和對角線，l、r代表左右，d表示對角線，n表示不添加文本標簽
tl.cex = 1,
tl.cex：指定文本標簽的大小
tl.col = "red",
tl.col：指定文本標簽的顏色
tl.offset = 0.4,
tl.offset：設置文本標簽偏移量，即文本標簽和圖像的距離
tl.srt = 90,
tl.srt：文本標簽角度
cl.pos = "b"/"r"/"n"
cl.pos：圖例（顏色）位置，r圖例在右表，b圖例在底部，不需要圖例時，只需指定該參數為n
cl.lim = (x1,x2),
顏色區間限制
cl.length = 數字
顏色區間刻度間隔的數量
cl.cex = 0.8,
顏色刻度標簽數字大小
cl.ratio = 0.15,
顏色刻度粗細
cl.align.text = "l","c","r",
刻度標簽數字顯示在每個刻度的靠左處/中央/靠右處
cl.offset = 0.5,
刻度標簽與顏色刻度條的距離
addshade = c("negative", "positive", "all"),
addshade：只有當method=shade時，該參數才有用，參數值可以是negtive/positive和all，分表表示對負相關系數、正相關系數和所有相關系數添加陰影。注意：正相關系數的陰影是45度，負相關系數的陰影是135度
shade.lwd = 1,
shade.lwd：指定陰影的線寬
shade.col = "white",
shade.col：指定陰影線的顏色
addCoef.col=”顏色”
addCoef.col：增加p值
add = TRUE
add = ：是否與另一圖片拼接，默認為false
p.mat 分析/顯著性分析
cor.mtest <- function(mat, ...) {
mat <- as.matrix(mat)
n <- ncol(mat)
p.mat<- matrix(NA, n, n)
diag(p.mat) <- 0
for (i in 1:(n - 1)) {
for (j in (i + 1):n) {
tmp <- cor.test(mat[, i], mat[, j], ...)
p.mat[i, j] <- p.mat[j, i] <- tmp$p.value
}
}
colnames(p.mat) <- rownames(p.mat) <- colnames(mat)
p.mat
}
#構建cor.mtest函數
mydatap<- cor.mtest(mydata) #計算原始數據的p.mat並定義此數據集合
sig.level = 0.05,
篩選的標准以0.05為界
sig.level = c(0.001,0.01,0.05)
設置篩選的各個區間值
insig = c("pch","p-value","blank", "n"),
被篩選的不顯著值為叉叉、p值數字、不顯示任何東西、n
insig = "label_sig"
設置被篩選出的為顯著值
pch = 4, pch.col = "black", pch.cex = 3,
plotCI = c("n","square", "circle", "rect"),
lowCI.mat = NULL,
uppCI.mat = NULL, ...)
corrplot(pic01, type = "upper", order = "hclust", p.mat=mydatap, sig.level = 0.05, insig = "label_sig")#繪圖，標記顯著值
corrplot(pic01, type="upper", order="hclust", p.mat = mydatap, sig.level = 0.05)#繪圖，把不顯著的叉掉
corrplot(pic01, type = "upper", order = "hclust", p.mat=mydatap, sig.level = 0.05, insig="blank") #繪圖，把不顯著的空掉
corrplot(pic01, type="lower", order="hclust", p.mat=mydatap, insig = "label_sig", sig.level = c(0.001,0.01,0.05), pch.cex = 2.5,pch.col="white", diag = FALSE,tl.srt =45,tl.col = "black", family="serif",col = COLOR01, tl.cex = 2.5,title = "miraculousdna", mar=c(0, 0, 1, 0),cl.cex = 2.5 )
