分类变量计数的热图

Question

我有一个项目数据框，每个项目都有多个分类变量列。

ID    test1    test2     test3
1     A        B         A
2     B        A         C
3     C        C         C
4     A        A         B
5     B        B         B
6     B        A         C

我想使用 ggplot2 为每个测试列组合（test1 v test2、test1 v test3 等）生成一个热图。热图将在 x 侧具有该测试列（在本例中为 A、B、C）中的所有因素，在 y 侧具有其他测试的所有因素，热图中的框应根据具有该分类器组合的 ID 的计数。

例如，在上面的输入中，如果我们在 test1 和 test2 之间有热图，那么位于 test1 的 B 和 test2 的 A 的交集处的框将是最亮的，因为有 2 个 id 具有该组合。我希望使用这些热图来分析哪些测试最适合数据集，但不能使用 Pearson 的 R 相关性，因为它们是分类变量。

我熟悉 ggplot，这就是为什么我更喜欢那个包，但如果在 pheatplot 中更容易，我可以学习它。

Answer 1

你的问题有点不清楚，但我想你正在寻找这样的东西。我不是 ggplot2 的人，所以我会让其他人提供该代码。

x <- read.table(text="ID    test1    test2     test3
                1     A        B         A
                2     B        A         C
                3     C        C         C
                4     A        A         B
                5     B        B         B
                6     B        A         C", stringsAsFactors=FALSE, header=T)

xl <- reshape2::melt(data = x, id.vars="ID", variable.name = "Test", value.name="Grade")
xl$Test_Gr <- apply(xl[,2:3], 1, paste0, collapse="_")

xw <- reshape2::dcast(xl, ID ~ Test_Gr, fun.aggregate = length)
xwm <- as.matrix(xw[,-1])
xc <- t(xwm) %*% xwm
colnames(xc) <- colnames(xw)[-1]
rownames(wc) <- colnames(xw)[-1]
gplots::heatmap.2(xc, trace="none", col = rev(heat.colors(15)))

Answer 2

花了一些时间来了解如何去做，但我仍然不确定这是最好的方法。

数据：

dat = structure(list(ID = 1:6, 
                     test1 = c("A", "B", "C", "A", "B", "B"), 
                     test2 = c("B", "A", "C", "A", "B", "A"), 
                     test3 = c("A", "C", "C", "B", "B", "C")
                     ), 
                .Names = c("ID", "test1", "test2", "test3"), 
                 class = "data.frame", row.names = c(NA, -6L)
                )

图书馆

library(tidyverse)
library(ggthemes)
library(gridExtra)

一次创建 2 个因素的所有所有组合（也包括测试）

fcombs <- expand.grid(LETTERS[1:3], LETTERS[1:3], stringsAsFactors = F)
tcombs <- as.data.frame(combn(colnames(dat[,-1]), 2), stringsAsFactors = F)

lapply通过测试组合，full_join，统计每组不包括NAs的长度

dtl <- lapply(tcombs, function(i){
        select(dat, ID, i) %>%
        full_join(x = fcombs, by = c("Var1" = i[1], Var2 = i[2])) %>%
        group_by(Var1, Var2) %>%
        mutate(N = sum(!is.na(ID)), ID = NULL) %>%
        ungroup()
  }
)

创建地块列表

pl <- lapply(seq_along(tcombs), function(i){
        gtitle = paste(tcombs[[i]], collapse = " ~ ")
        dtl[[i]] %>%
        ggplot(aes(x = Var1, y = Var2, fill = N)) +
        geom_tile() +
        theme_tufte() +
        theme(axis.title = element_blank()) +
        ggtitle(gtitle)
        }
      )

创建表格列表（tableGrob 个对象）

tbl <- lapply(tcombs, function(i) tableGrob(select(dat, ID, i),  
                                            theme = ttheme_minimal()))

将所有内容放入结果列表并绘制

resl <- c(pl, tbl)[c(1, 4, 2, 5, 3, 6)]

grid.arrange(grobs = resl, ncol = 2, nrow = 3)

分类变量计数的热图

Heatmap of categorical variable counts

r

ggplot2

heatmap

categorical-data

pheatmap