ggduo展示两组数据间的相关性

                         开始今天的学习吧~

来自非常棒的可视化R包：GGally

ggduo()

此函数可用于两组变量的可视化，可用于典型相关分析、时间序列、回归等。

使用的例子是自带的psychademic数据集，这个数据集包括2组数据，共600名学生的心理测试和学术能力测试。

library(GGally)
data("psychademic")
str(psychademic)
## 'data.frame': 600 obs. of  8 variables:
##  $ locus_of_control: num  -0.84 -0.38 0.89 0.71 -0.64 1.11 0.06 -0.91 0.45 0 ...
##  $ self_concept    : num  -0.24 -0.47 0.59 0.28 0.03 0.9 0.03 -0.59 0.03 0.03 ...
##  $ motivation      : chr  "4" "3" "3" "3" ...
##  $ read            : num  54.8 62.7 60.6 62.7 41.6 62.7 41.6 44.2 62.7 62.7 ...
##  $ write           : num  64.5 43.7 56.7 56.7 46.3 64.5 39.1 39.1 51.5 64.5 ...
##  $ math            : num  44.5 44.7 70.5 54.7 38.4 61.4 56.3 46.3 54.4 38.3 ...
##  $ science         : num  52.6 52.6 58 58 36.3 58 45 36.3 49.8 55.8 ...
##  $ sex             : chr  "female" "female" "male" "male" ...
##  - attr(*, "academic")= chr [1:5] "read" "write" "math" "science" ...
##  - attr(*, "psychology")= chr [1:3] "locus_of_control" "self_concept" "motivation"

提取两组数据：

psych <- attr(psychademic, "psychology")
psych
## [1] "locus_of_control" "self_concept"     "motivation"

academic <- attr(psychademic, "academic")
academic
## [1] "read"    "write"   "math"    "science" "sex"

先使用ggpairs展示每组内变量的相关性：

ggpairs(psychademic,columns = psych, title = "Psych 组内变量")
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

ggpairs(psychademic, columns = academic, title = "Academic 组内变量")
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

使用ggduo可以展示两组间的变量关系

library(ggplot2)
ggduo(psychademic, psych, academic,
      types = list(continuous = "smooth_lm"),
      title = "Psych 和 Academic 组间变量关系",
      xlab = "Psych",
      ylab = "Academic"
      )
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

时间变量

library(ggplot2)

data(pigs)
pigs_dt <- pigs[-(2:3)] 
pigs_dt$profit_group <- as.numeric(pigs_dt$profit > mean(pigs_dt$profit))
qplot(
  time, value,
  data = reshape::melt.data.frame(pigs_dt, "time"),
  geom = c("smooth", "point")
) +
  facet_grid(variable ~ ., scales = "free_y")
## `geom_smooth()` using method = 'loess' and formula 'y ~ x'

回归分析

swiss <- datasets::swiss

# 增加分组
swiss$Residual <- seq_len(nrow(swiss))

# 计算残差
residuals <- lapply(swiss[2:6], function(x) {
  summary(lm(Fertility ~ x, data = swiss))$residuals
})
# 计算残差最大最小值
y_range <- range(unlist(residuals))

# 自定义函数
lm_or_resid <- function(data, mapping, ..., line_color = "red", line_size = 1) {
  if (as.character(mapping$y) != "Residual") {
    return(ggally_smooth_lm(data, mapping, ...))
  }

  # 展示残差
  resid_data <- data.frame(
    x = data[[as.character(mapping$x)]],
    y = residuals[[as.character(mapping$x)]]
  )

  ggplot(data = data, mapping = mapping) +
    geom_hline(yintercept = 0, color = line_color, size = line_size) +
    ylim(y_range) +
    geom_point(data = resid_data, mapping = aes(x = x, y = y), ...)

}

# 画图
ggduo(
  swiss,
  2:6, c(1,7),
  types = list(continuous = lm_or_resid)
)

以上就是今天的内容，希望对你有帮助哦！欢迎点赞、在看、关注、转发！

欢迎在评论区留言或直接添加我的微信！

完

欢迎关注我的公众号：医学和生信笔记

“

医学和生信笔记 公众号主要分享：1.医学小知识、肛肠科小知识；2.R语言和Python相关的数据分析、可视化、机器学习等；3.生物信息学学习资料和自己的学习笔记！

---

往期精彩内容：