前言
在我的上一篇的內容中（R語言繪製熱圖實踐(一）pheatmap包 ），我以繪製相關係數圖爲出發點，介紹了使用pheatmap包畫相關係數圖和熱圖的一些使用。
爲了對比，這篇將介紹使用R包corrplot進行相關係數圖的一些實踐以及corrplot包的一些使用。
corrplot包簡介
官方文檔
The corrplot package is a graphical display of a correlation matrix, confidence interval. It also contains some algorithms to do matrix reordering. In addition, corrplot is good at details, including choosing color, text labels, color labels, layout, etc.
簡單地說，corrplot包主要針對相關係數輸出的結果進行可視化，可以實現選擇顏色，文本標籤，顏色標籤，佈局等的操作。
語法和常用參數介紹
函數語法
corrplot(corr,
method = c("circle", "square", "ellipse", "number", "shade", "color", "pie"),
type = c("full", "lower", "upper"), add = FALSE,
col = NULL, bg = "white", title = "", is.corr = TRUE,
diag = TRUE, outline = FALSE, mar = c(0,0,0,0),
addgrid.col = NULL, addCoef.col = NULL, addCoefasPercent = FALSE,
order = c("original", "AOE", "FPC", "hclust", "alphabet"),
hclust.method = c("complete", "ward", "single", "average",
"mcquitty", "median", "centroid"),
addrect = NULL, rect.col = "black", rect.lwd = 2,
tl.pos = NULL, tl.cex = 1,
tl.col = "red", tl.offset = 0.4, tl.srt = 90,
cl.pos = NULL, cl.lim = NULL,
cl.length = NULL, cl.cex = 0.8, cl.ratio = 0.15,
cl.align.text = "c",cl.offset = 0.5,
addshade = c("negative", "positive", "all"),
shade.lwd = 1, shade.col = "white",
p.mat = NULL, sig.level = 0.05,
insig = c("pch","p-value","blank", "n"),
pch = 4, pch.col = "black", pch.cex = 3,
plotCI = c("n","square", "circle", "rect"),
lowCI.mat = NULL, uppCI.mat = NULL, ...)
參數介紹
這部分的內容參考了參考資料中的第一篇。
corr：需要可視化的相關係數矩陣
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：指定展示的方式，可以是完全的、下三角或上三角（“full”，“upper"和"lower”）
col：指定圖形展示的顏色，默認以均勻的顏色展示
bg：指定圖的背景色
title：爲圖形添加標題
is.corr：是否爲相關係數繪圖，默認爲TRUE，同樣也可以實現非相關係數的可視化，只需使該參數設爲FALSE即可
diag：是否展示對角線上的結果，默認爲TRUE
outline：是否繪製圓形、方形或橢圓形的輪廓，默認爲FALSE
mar：具體設置圖形的四邊間距
addgrid.col：當選擇的方法爲顏色或陰影時，默認的網格線顏色爲白色，否則爲灰色
addCoef.col：爲相關係數添加顏色，默認不添加相關係數，只有方法爲number時，該參數才起作用
addCoefasPercent：爲節省繪圖空間，是否將相關係數轉換爲百分比格式，默認爲FALSE
order：指定相關係數排序的方法，可以是原始順序(original)、特徵向量角序(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爲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：當order爲hclust時，可以爲添加相關係數圖添加矩形框，默認不添加框，如果想添加框時，只需爲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：指定文本標籤(變量名稱)的位置，當type=full時，默認標籤位置在左邊和頂部(lt)，當type=lower時，默認標籤在左邊和對角線(ld)，當type=upper時，默認標籤在頂部和對角線，d表示對角線，n表示不添加文本標籤
tl.cex：指定文本標籤的大小
tl.col：指定文本標籤的顏色
cl.pos：圖例（顏色）位置，當type=upper或full時，圖例在右表®，當type=lower時，圖例在底部，不需要圖例時，只需指定該參數爲n
addshade：只有當method=shade時，該參數纔有用，參數值可以是negtive/positive和all，分表表示對負相關係數、正相關係數和所有相關係數添加陰影。注意：正相關係數的陰影是45度，負相關係數的陰影是135度
shade.lwd：指定陰影的線寬
shade.col：指定陰影線的顏色
實踐
實踐數據還是使用上一篇中畫相關係數的數據。
（1）準備數據集
首先還是加載數據集：all_data
all_data爲數據框格式，共包含9696996行，5列（5個樣本），如下圖所示。
爲每列指定列名
colnames(all_data) <- c( 's1', 's2','s3 ', 's4','s5')
（2）計算樣本間的相關係數
matrix <- cor (all_data[1:5])
這裏我想補充一下cor()函數的用法（這裏主要參考了第二篇參考資料）。在R語言中，通常使用cor函數進行相關係數分析，可以分別指定向量，也可以指定給cor函數一個數據框。
基本語法
cor(x,y=NULL,use="everything",method= c("pearson","kendall","spearman"))
use 用來指定處理缺失值的方式，可以爲"everything", “all.obs”, “complete.obs”, “na.or.complete”, 或者 “pairwise.complete.obs”.
method 是可選的三種相關係數計算方法，默認情況下使用的是pearson相關係數。
這三種計算相關係數簡介：
pearson相關係數：即皮爾遜相關係數，用於橫向兩個連續性隨機變量間的相關係數。
spearman相關係數：即斯皮爾曼相關係數，用於衡量分類定序變量間的相關程度。
kendall相關係數：即肯德爾相關係數，也是一種秩相關係數，不過它所計算的對象是分類變量。
(3)corrplot包對相關係數輸出的結果進行可視化
#直接畫圖，不設置其它參數
corrplot(corr=matrix)
控制單元格形狀和內容
# 換用不同method，分別顯示數字和顏色（method can be "circle", "square", "ellipse", "number", "shade", "color", "pie"）
# method 默認爲“circle”
corrplot(M, method = "number")
corrplot(matrix, method = "color")
控制單元格展示的方式以及混合展示
#指定展示的方式，可以是完全的、下三角或上三角
corrplot(matrix, type = "upper")
# corrplot.mixed（)可以混合可視化樣式
#默認上三角爲circle，下三角爲number，可以修改
corrplot.mixed(matrix)
corrplot.mixed(matrix, lower = "ellipse", upper = "pie")
corrplot.mixed(matrix, lower = "number", upper = "pie", tl.col = "black",lower.col = "black", number.cex = 1)
#tl.col 修改對角線的顏色,lower.col 修改下三角的顏色，number.cex修改下三角字體大小
指定order方式
#指定order按hclust聚類方式排序，addrect是添加分組矩形，可自定義分組類
corrplot(matrix,order = "hclust",addrect = 3)
#當order = "hclust"時，可使用hclust.method選擇層次聚類的方法
#hclust.method可以爲“complete”, “ward”, “single”, “average”, “mcquitty”, “median”, “centroid”
corrplot(matrix,order = "hclust",addrect = 3,hclust.method="ward.D2")
圖例標籤控制
#圖例標籤控制
corrplot(matrix, method="number",order = "AOE", cl.pos = "n", tl.pos = "n")
#控制對角標籤旋轉45度
corrplot(matrix, type = "lower", order = "hclust", tl.col = "black", tl.srt = 45)
#修改圖例範圍
corrplot(matrix,order = "AOE", cl.lim = c(0, 1))
#改變單元格顏色以及背景顏色bg
col3 <- colorRampPalette(c("red", "white", "blue"))
corrplot(matrix, order = "hclust", addrect = 3, col = col3(100), bg = "lightblue")
summary
總結一下，corrplot包使用起來非常簡單，也有很多參數可以畫出各種花哨的圖……甚至可以做顯著性檢驗（我的數據結果都很好，也很少，就沒有做）和月亮的陰晴圓缺（具體參見參考資料3和官方文檔）。
但是，最大的缺點： 沒辦法同時作層次聚類的樹圖，考慮到這點，我還是喜歡pheatmap多一點，雖然它不是專門畫相關係數的圖。
最後，用這個包畫一個生物相關論文中常見的相關係數圖：
corrplot(corr=matrix,method = "color",order = "hclust",tl.col="black",addrect=4,addCoef.col = "grey")
參考資料
R語言相關係數可視化之corrplot包
左手用R右手Python系列11——相關性分析
R畫月亮陰晴圓缺：corrplot繪圖相關係數矩陣