共计 6290 个字符，预计需要花费 16 分钟才能阅读完成。
明天分享的学习笔记：异样绘图数据转换方法（对数法，评分法，踢值法，色彩法），用于对热图进行润饰。
ggplot2 中绘制热图时，有时候会遇到数据的组间差别太大，导致可视化后果不显著（色彩区分度较低），因而学习几种对非凡数据的解决办法，使热图出现的成果更好。
生成原始数据
创立一组数据，蕴含 4 个不同的样本（a 等 4 行），5 个不同的变量（Grp1 等 5 列），其中不同样本间的均值差别较大。
> data <- c(rnorm(5,mean=5),rnorm(5,mean=20),rnorm(5,mean=100),c(600,700,800,900,10000))
> data <- c(rnorm(5,mean=5),rnorm(5,mean=20),rnorm(5,mean=100),c(600,700,800,900,10000))
> #rnorm 函数可能随机生成一组正态分布的数据
> data <- matrix(data,ncol = 5,byrow=T)
> #将数据转化为矩阵格局
> data <- as.data.frame(data) #转化为数据框
> rownames(data) <- letters[1:4] #行名设置为小写字母 abcd
> colnames(data) <- paste("Grp",1:5,sep="_") #列名设置为 Grp+ 序号
> data #查看一下以后的数据
Grp_1 Grp_2 Grp_3 Grp_4 Grp_5
a 4.31371 6.520402 5.049561 5.013933 6.716523
b 18.68553 19.702193 20.845860 21.102063 19.592703
c 99.00071 99.310800 99.422325 101.114502 100.693449
d 600.00000 700.000000 800.000000 900.000000 10000.000000转换数据模式
刚刚创立的原始数据是 4 行 5 列的数据框，须要将其转化成相似 id~value 的长数据模式（行数变多，列数减小，理论数据表白内容雷同）
这种长数据用于后续的 ggplot2 作图应用，该转换过程的原理和办法我之前的笔记中有记录，欢送查阅。
> data$ID <- rownames(data)
#增加新列，列的内容为以后数据框的行名
> data_1 <- melt(data,id.vars = c("ID"))
#将矩阵交融变成长类型（用于绘图，列数少，看起来又窄又长）> head(data_1) #查看以后数据的前几行
ID variable value
1 a Grp_1 4.313710
2 b Grp_1 18.685532
3 c Grp_1 99.000713
4 d Grp_1 600.000000 #在此能够发现这一个的值和后面的相比很大很突出。5 a Grp_2 6.520402
6 b Grp_2 19.702193绘图后果
利用 ggplot 函数绘制热图，能够发现下图中只有右上角的色彩比拟深，其余区域没有显著差异，这样的后果看不出差异性，须要对数据进一步转换。
p <- ggplot(data_1,aes(x=variable,y=ID)) +
xlab("samples") + theme_bw() +
theme(panel.grid.major = element_blank()) + theme(legend.key = element_blank()) +
theme(axis.text.x = element_text(angle=45,hjust = 1,vjust = 1)) +
theme(legend.position = "top") + geom_tile(aes(fill=value)) +
scale_fill_gradient(low="white",high="blue")
p 数据的转换方法
依据材料提供的信息，这里介绍 对数法、评分法、踢值法、色彩法 四种计划。
对数法
对数函数可能将数据之间的绝对差异性进行转换，依据对数的图像能够看出，特大数值的差异性被压缩，绝对投影长度变小，以便于和较小数值处于同一基准规定进行差别比拟。
因而，首先将原始 data 数据通过对数转化，而后再对转化后的数据 增加 ID 列 并转成长数据模式（简称为“两步走”）
> data_l <- log2(data+1) #对原始数据进行对数运算
> data_l #查看转换后的数据
Grp_1 Grp_2 Grp_3 Grp_4 Grp_5
a 2.545781 2.076924 2.316681 2.473611 2.919831
b 4.302711 4.432475 4.355503 4.441871 4.439853
c 6.675369 6.675384 6.687525 6.650458 6.659354
d 9.231221 9.453271 9.645658 9.815383 13.287857
> data_l$ID <- rownames(data_l)
#对转换后的数据增加新列，内容为数据的行名
> data_lm <- melt(data_l,id.vars = c("ID"))
#对数据进行交融，转化成长数据用于绘图须要留神的是，这两步骤不能调换程序，因为我测试时先增加了 ID 导致对数转化失败，应该先对数值进行解决。
从新绘图 之后，呈现了肉眼可见的差别哈哈哈哈哈！
p <- ggplot(data_lm,aes(x=variable,y=ID)) +
xlab("samples") +ylab(NULL) +
theme_bw() + theme(panel.grid.major = element_blank()) +
theme(legend.key = element_blank()) + theme(legend.position = "top") +
theme(axis.text.x = element_text(angle = 45,hjust = 1,vjust = 1)) +
geom_tile(aes(fill=value)) + scale_fill_gradient(low="green",high = "blue")
p对数法尽管有用，但也有局限性。
比方下面生成的图中绿色局部的区分度依然很低，接下来用新的测试数据来演示另外三种形式。
评分法
原名叫 Z -score 转化法，顾名思义：就是将成正态分布的数据中的原始分数转换为 z 分数，而 z 分数可能实在的反馈一个分数间隔平均数的绝对规范间隔，通过这种形式保留数据的实在差别。
首先，从新创立一个非凡的数据集，用于该办法的演示。能够看出不论是同一行（样品内）还是同一列（变量内），数值的差别幅度都很大。
> data
Grp_1 Grp_2 Grp_3 Grp_4 Grp_5
a 6.6 20.9 100.1 600.0 5.2
b 20.8 99.8 700.0 3.7 19.2
c 100.0 800.0 6.2 21.4 98.6
d 900.0 3.3 20.3 101.1 10000.0先去除数据中的烦扰项，而后标准化并设定列名，实现后输入查看这个时候的数据状态。
data <- data[apply(data,1,var)!=0,]
#去除烦扰项，"!=" 示意不等于
> data_s <- as.data.frame(t(apply(data,1,scale)))
#对数据进行标准化并转化成数据框
> colnames(data_s) <- colnames(data) #设置列名
> data_s #查看标准化解决后数据状态
Grp_1 Grp_2 Grp_3 Grp_4 Grp_5
a -0.5456953 -0.4899405 -0.1811446 1.7679341 -0.5511538
b -0.4940465 -0.2301542 1.7747592 -0.5511674 -0.4993911
c -0.3139042 1.7740182 -0.5936858 -0.5483481 -0.3180801
d -0.2983707 -0.5033986 -0.4995116 -0.4810369 1.7823177对解决后的数据进行“两步走”操作，而后将 value 的值转化成 z 分数格局。
> data_s$ID <- rownames(data_s) #增加新的一列，内容为数据的行名
> data_s_m <- melt(data_s,id.vars = c("ID")) #以新增加的行为规范交融数据
> data_s_m$value <- as.numeric(prettyNum(data_s_m$value,digits=2)) #将 value 的值转化为分数格局进行绘图能够发现，此时数据之间的差异性可视化成果显著。
p <- ggplot(data_s_m,aes(x=variable,y=ID)) + xlab("samples") +
ylab(NULL) +theme_bw() + theme(panel.grid.major = element_blank()) +
theme(axis.text.x = element_text(angle=45,hjust = 1,vjust=1)) +
geom_tile(aes(fill=value)) +scale_fill_gradient(low="pink",high="blue") +
geom_text(aes(label=value))
p踢值法
这个也叫抹去异样值法，就是将特地离谱的数据全副抹去（用正常值代替），在理论利用中须要酌情思考。
这里应用上一个办法中创立的数据做演示。
外围解决就一行，把大于 100 的值全变成 100 即可。
data_3[data_3>100] <- 100 #将大于 100 的值变成 100而后进行规范“两步走”，生成的最终数据就没有特地离谱的值，能够释怀用于绘图。
> data_3$ID = rownames(data_3) #增加新列 ID
> data_3_m <- melt(data_3, id.vars=c("ID")) #以 ID 列为准交融数据
> head(data_3_m) #查看交融后数据的前几行
ID variable value
1 a Grp_1 6.6
2 b Grp_1 20.8
3 c Grp_1 100.0
4 d Grp_1 100.0
5 a Grp_2 20.9
6 b Grp_2 99.8绘制图像，发现数据之间的差异性比拟显著，然而这种办法的准确性比拟差，损失了一些数据的趋势信息。
p <- ggplot(data_3_m,aes(x=variable,y=ID)) +
xlab("samples") +
ylab(NULL) +
theme_bw() +
theme(panel.grid.major= element_blank()) +
theme(legend.key=element_blank()) +
theme(axis.text.x=element_text(angle=45,hjust=1,vjust=1)) +
geom_tile(aes(fill=value)) +
scale_fill_gradient(low = "red",high="green") +
geom_text(aes(label=value))
p 色彩法
也称为非线性色彩法，这种办法很妙，几乎妙的呱呱叫! 体现出了一种“山不过去，我就过来”的思维。
色彩在最小值到最大值之间是均匀分布的。如果最小值到最大值之间用 100 个色彩辨别，其中每一个值都会赋予一个色彩。非线性色彩则是对数据比拟小但密集的中央赋予更多色彩，数据大但散布散的中央赋予更少色彩，这样既能加大区分度，又不影响原始数值。
图里色彩看不出显著差别，先不论数据有啥问题，间接把色彩改成差别的就完事儿，使可视化后果趋于显著。
首先，创立用于示例的数据：
先进行“两步走”，而后再利用 summary 函数获取 value 变量的数据信息（最小值，一分位值，中位值，三分位值，最大值）
> data_4$ID=rownames(data_4) #增加新 ID 列
> data_4_m <- melt(data_4,id.vars = c("ID")) #交融数据，生成用于绘图的数据格式
> summary_v <- summary(data_4_m$value) #计算数据的最小值，一分位值，中位值，三分位值，最大值
> summary_v #查看上一行计算的后果
Min. 1st Qu. Median Mean 3rd Qu. Max.
3.30 16.05 60.00 681.36 225.82 10000.00 在最小值和第一四分位数之间划出 6 个区间，第一四分位数和中位数之间划出 6 个区间，中位数和第三四分位数之间划出 5 个区间，最初的数划出 5 个区间，并查看划分后果。
> break_v <- unique(c(seq(summary_v[1]*0.95,summary_v[2],length=6),
+ seq(summary_v[2],summary_v[3],length=6),
+ seq(summary_v[3],summary_v[5],length=5),
+ seq(summary_v[5],summary_v[6]*1.05,length=5)))
> break_v #查看划分的后果
[1] 3.1350 5.7180 8.3010 10.8840 13.4670 16.0500 24.8400 33.6300
[9] 42.4200 51.2100 60.0000 101.4562 142.9125 184.3687 225.8250 2794.3687
[17] 5362.9125 7931.4562 10500.0000用新划分的区间数值替换原来的数值，并查看以后的数值状态。
> data_4_m$value <- cut(data_4_m$value,breaks = break_v,
+ labels = break_v[2:length(break_v)]) #利用刚刚生成的划分区间设置切割标签
> break_v=unique(data_4_m$value)
> head（data_4_m，3）#查看以后的数据状态
ID variable value
1 a Grp_1 8.301
2 b Grp_1 24.84
3 c Grp_1 101.45625判断一下生成的数据 value 列是否为因子格局，而后设置色彩并生成一系列色彩值。
> is.factor(data_4_m$value) # 判断一下以后数据的 value 列是否为因子格局
[1] TRUE
> gradient_1=c("yellow","blue","green") #设置色彩
> col <- colorRampPalette(gradient_1)(length(break_v)) #利用划分的区间后果生成一组色彩值
> col #查看所生成的色彩数据
[1] "#FFFF00" "#999966" "#3232CC" "#0033CB" "#009965" "#00FF00"用新生成的色彩值进行填充绘图，能够看出数据间色彩差异性比拟显著。
p <- ggplot(data_4_m,aes(x=variable,y=ID)) +
xlab("sam") +
ylab(NULL) +
theme_bw() +
theme(panel.grid.major = element_blank()) +
theme(legend.key = element_blank()) +
theme(axis.text.x=element_text(angle=35,hjust = 0.9,vjust = 0.9)) +
geom_tile(aes(fill=value))
#利用色彩填充信息
p <- p + scale_fill_manual(values = col)
p本笔记参考学习材料：http://www.ehbio.com/Bioinfo_…
本文由 mdnice 多平台公布