記錄一下r語言學習過程，對於r的基礎就是基本資料型別（向量，矩陣，資料框，字串等等），庫的呼叫以及函式自定義，還需要多加學習！
進入主題，今天主題是相關性分析：
以下為**：
y<-c(
170,
175,
180)
//定義向量
y1<-c(20,
25,30)
y<-cor.test(y,y1,method=
"spearman")/
/呼叫庫計算2個向量之間的spearman係數
yx<-cor.test(y,y1)
xa <- matrix(11:
16, nrow=
3, ncol=2)
//定義矩陣
ax<-cor.test(a, adjust =
"none"
, use =
"complete")/
/呼叫庫計算相關性係數
xcsvpath<-file.choose()/
/呼叫檔案選擇對話方塊
csvpath
df<-read.csv(csvpath,header=t,row.names =1)
//讀取csv檔案成資料框，df是data.frame的縮寫
dfy<- cor(df)
//呼叫庫計算相關性係數
ywmj<-cor(df,method =
'spearman')/
/呼叫庫計算spearman係數
wmjinstall.packages(
"hmisc")/
/安裝hmisc包，用來將資料框轉換成矩陣
res2<-rcorr(as.matrix(df))/
/轉換成矩陣
res2
wmj_r<-res2$r /
/獲取r值
wmj_r
wmj_n<-res2$n /
/獲取樣本個數
wmj_n
wmj_p<-res2$p /
/獲取p值
wmj_p
//定義函式將矩陣轉成資料框
flattencorrmatrix <-
function
(cormat, pmat)
wmj_y<-flattencorrmatrix(res2$r,res2$p)
wmj_y
df1<-flattencorrmatrix(res2$r,res2$p)
abs(df1$cor)
>
0.25
y_wmj<-df1[abs(df1$cor)
>
0.25,]
y_wmj
install.packages(
"corrplot")/
/安裝圖形列印包
library(
"corrplot")/
/載入影象列印包
corrplot(res2$r,type=
"upper"
,tl.col =
"black"
,tl.srt =45)
//列印圖形
install.packages(
"performanceanalytics"
)library(
"performanceanalytics"
)chart.correlation(df,histogram = t,pch=19)
//列印相關性圖形
R語言相關性分析
相關性分析就是通過定量指標描述變數之間的強弱 直接或間接的聯絡。常見相關性指標 pearson相關係數是用於表示相關性大小的最常用指標，數值介於 1 1之間，越接近0相關性越低，越接近 1或1相關性越高。正負號表明相關方向，正號為正相關 負號為負相關。又稱為秩相關係數，利用兩變數的秩次大小來進行分析...
R語言相關性
相關係數可以用來描述定量變數之間的關係。相關係數的符號 表明關係的方向 正相 關或負相關 其值的大小表示關係的強弱程度 完全不相關時為0，完全相關時為1 1 pearson spearman和kendall相關 cor 函式可以計算這三種相關係數，而cov 函式可以用於計算協方差，兩個函式的引數有 ...
GSEA檔案準備及表達相關性分析（R語言）
setwd f geo geo晶元資料 load gse35896 eset.rdata a gset 1 取出第乙個元素賦值給乙個物件a dat exprs a a現在是乙個物件，取a這個物件通過看說明書知道要用exprs這個函式，該函式得到表達矩陣 現在 得到的dat就是乙個表達矩陣，只不過基因...