R語言特徵值相關性分析
轉載自http://www.sohu.com/a/200219694_278730
接觸這麼多組學資料，大家肯定做過各種相關性分析。大到幾個轉錄組樣本的整體相關性分析，小到挑選了一些候選基因看它們在不同樣本中的表達模式相關性。當我們做完了相關性分析的時候，常常會用下面這種圖形來展示：
那麼問題來了，有沒有別的方法，可以讓我的相關性分析展現方式更高大上呢？
請出今天的主角，corrplot程式包！
1
老規矩，第一步是安裝並呼叫corrplot：
install.packages("corrplot")
library("corrplot")
2
第二步，整理資料。今天就拿一些女明星的身高、體重、年齡、微博粉絲與女神指數的資料來分析一下（純屬杜撰）。
3
第三步，我們讀取資料，並做相關性分析。
a<-read.table(file=file.choose(),row.names=1,header=T,sep="t")
b<-cor(a)
4
第四步，非常簡單，可以直接作圖了。
corrplot(b) #這裡預設是圓形顯示
還可以用餅圖（pie），顏色（color）等等來顯示。
corrplot(b,method="pie")
corrplot(b,method="color",addCoef.col="grey") #用顏色顯示，同時顯示相關係數，是不是跟開頭綠綠的圖一樣啦。
5
第五步，是時候展示高階操作了！我們把顏色對調一下，正相關為紅色，負相關為海軍藍色，同時把右上角用圓形展示。
col=colorRampPalette(c("navy", "white", "firebrick3")) #設定顏色
corrplot(b,type="upper",col=col(10),tl.pos="d") #tl.pos="d"即不顯示周邊各列名字
6
第六步，填補下半部分圖形，我們希望既可以圖形化展示，也能顯示數字，增強圖形可讀性。
corrplot(b,add=TRUE, type="lower", method="number",diag=FALSE,tl.pos="n", cl.pos="n",col=col(10))
相關性分析結論：
-
女神指數與身高成正相關，與體重呈負相關（嗯，符合大眾審美）；
-
女神指數與年齡相關性不明顯（嗯，志玲姐姐立功了）；
-
微博粉絲數與女神指數還是有一定正相關性；
-
大家也發現了，相關性其實都不是很顯著，那是因為我們選的資料都是準女神以上級別的，她們之間的差距本來就很小，所以資料還是很反映規律的。
7
最後，我們新增一組賈玲和鳳姐的資料，看看結果會不會有顯著變化......
嗯......效果很明顯。