15、R语言聚类树的绘图原理

　　聚类广泛用于数据分析。去年研究了一下R语言聚类树的绘图原理。以芯片分析为例，我们来给一些样品做聚类分析。聚类的方法有很多种，我们选择Pearson距离、ward方法。

选择的样品有：

"GSM658287.CEL",

"GSM658288.CEL",

"GSM658289.CEL",

"GSM658290.CEL",

"GSM658291.CEL",

"GSM658292.CEL",

"GSM658293.CEL",

"GSM658294.CEL",

"GSM658295.CEL",

"GSM658296.CEL"

R语言代码实现Pearson聚类：

library(affy)

library(bioDist)

rawData<-ReadAffy("GSM658287.CEL","GSM658288.CEL",

"GSM658289.CEL","GSM658290.CEL",

"GSM658291.CEL","GSM658292.CEL",

"GSM658293.CEL","GSM658294.CEL",

"GSM658295.CEL","GSM658296.CEL")

correl <- cor.dist(t(exprs(rawData)),abs=FALSE)

switch(tolower("pearson"),

       "pearson" = {correl <- cor.dist(t(exprs(rawData)),abs=FALSE)},

       "spearman" = {correl <- spearman.dist(t(exprs(rawData)),abs=FALSE)},

       "euclidean" = {correl <- euc(t(exprs(rawData)))})

clust <- hclust(correl, method = tolower("ward"))

plot(clust)

R语言作图结果：

根据这几行代码，我们只知道使用cor.dist、hclust、plot这几个函数得到的结果，却看不出这些函数具体做了什么，也不太有人去深究这些问题。

事实上，R语言聚类部分的计算是用Fortran实现的，源码在https://svn.r-project.org/R/trunk/src/library/stats/src/，把hclust.f复制到本地，用一些工具生成hclust.dll，把hclust.dll和以上10个样品放在同一个目录，然后再运行以下的代码：

library(affy)

library(bioDist)

dyn.load('hclust.dll')

rawData<-ReadAffy("GSM658287.CEL","GSM658288.CEL",

"GSM658289.CEL","GSM658290.CEL",

"GSM658291.CEL","GSM658292.CEL",

"GSM658293.CEL","GSM658294.CEL",

"GSM658295.CEL","GSM658296.CEL")

correl <- cor.dist(t(exprs(rawData)),abs=FALSE)    ## correl是一个下三角矩阵，本文不介绍这里的重要算法

> correl

              GSM658287.CEL GSM658288.CEL GSM658289.CEL GSM658290.CEL

GSM658288.CEL   0.037635566

GSM658289.CEL   0.024346960   0.042032944

GSM658290.CEL   0.024480935   0.040669995   0.025292084

GSM658291.CEL   0.035538210   0.039284603   0.067154783   0.048204704

GSM658292.CEL   0.072405758   0.050517381   0.059166892   0.059722043

GSM658293.CEL   0.060155354   0.060391062   0.041925320   0.043643727

GSM658294.CEL   0.036793132   0.029287344   0.069763710   0.059879668

GSM658295.CEL   0.037397535   0.030773204   0.072159149   0.060667121

GSM658296.CEL   0.068689147   0.031698616   0.068728603   0.065111592

              GSM658291.CEL GSM658292.CEL GSM658293.CEL GSM658294.CEL

GSM658288.CEL

GSM658289.CEL

GSM658290.CEL

GSM658291.CEL

GSM658292.CEL   0.074867692

GSM658293.CEL   0.085559588   0.019655239

GSM658294.CEL   0.023287164   0.059198270   0.071436194

GSM658295.CEL   0.028215326   0.065728329   0.075385956   0.007874206

GSM658296.CEL   0.059225037   0.046602561   0.059663628   0.044584172

              GSM658295.CEL

GSM658288.CEL

GSM658289.CEL

GSM658290.CEL

GSM658291.CEL

GSM658292.CEL

GSM658293.CEL

GSM658294.CEL

GSM658295.CEL

GSM658296.CEL   0.048650173

method <-

n <- as.integer(attr(correl, "Size"))

len <- as.integer(n * (n - )/)

members <- rep(, n)

storage.mode(correl) <- "double"

hcl <- .Fortran("hclust",

        n = n,

        len = len,

        method = as.integer(method),

            ia = integer(n),

        ib = integer(n),

        crit = double(n),

        members = as.double(members),

            nn = integer(n),

        disnn = double(n),

        flag = logical(n),

            diss = correl)

hcass <- .Fortran("hcass2",

        n = n,

        ia = hcl$ia, ib = hcl$ib,

            order = integer(n),

        iia = integer(n),

        iib = integer(n))

tree <- list(merge = cbind(hcass$iia[1L:(n - )],

        hcass$iib[1L:(n - )]),

        height = hcl$crit[1L:(n - )],

        order = hcass$order,

            labels = attr(d, "Labels"),

        method = "ward",

        dist.method = "cor")

输出结果：

> hcl$crit[1L:(n - )]        ## 高度

[] 0.007874206 0.019655239 0.024346960 0.025066360 0.031698616 0.031710258

[] 0.065868858 0.103249166 0.137220473

> hcass$iia[1L:(n - )]

[] - - - - - -      

> hcass$iib[1L:(n - )]

[]  -  -  -    -            

> hcass$order

 []

解析：

一、10个样品原来的顺序：

"GSM658287.CEL",    ## 第1个

"GSM658288.CEL",    ## 第2个

"GSM658289.CEL",    ## 第3个

"GSM658290.CEL",    ## 第4个

"GSM658291.CEL",    ## 第5个

"GSM658292.CEL",    ## 第6个

"GSM658293.CEL",    ## 第7个

"GSM658294.CEL",    ## 第8个

"GSM658295.CEL",    ## 第9个

"GSM658296.CEL"     ## 第10个

按照hcass$order的顺序重新排列，就会得到：

"GSM658288.CEL",    ## 第2个

"GSM658296.CEL",    ## 第10个

"GSM658291.CEL",    ## 第5个

"GSM658294.CEL",    ## 第8个

"GSM658295.CEL",    ## 第9个

"GSM658292.CEL",    ## 第6个

"GSM658293.CEL",    ## 第7个

"GSM658290.CEL",    ## 第4个

"GSM658287.CEL",    ## 第1个

"GSM658289.CEL",    ## 第3个

这刚好是聚类图像里的样品顺序

二、再看看iia和iib：

iia    iib

-    -

-    -

-    -

-

-    -

-

1）第一步的iia是-8，iib是-9，如果iia或者iib的值是负数的话，说明它所代表的样品是聚类树最底层的子树的分支，我们把第8个样品和第九个样品连接起来，高度取hcl$crit的第一个值0.007874206，得到：

"GSM658288.CEL"    ##

"GSM658296.CEL"    ##

"GSM658291.CEL"    ##

"GSM658294.CEL"    ##     --|

"GSM658295.CEL"    ##     --|

"GSM658292.CEL"    ##

"GSM658293.CEL"    ##

"GSM658290.CEL"    ##

"GSM658287.CEL"    ##

"GSM658289.CEL"    ##

2）根据第2步的-6、-7和第三行的-1、-3，我们把第6个样品和第7个样品连接起来，取高度0.019655239，把第1个样品和第3个样品连接起来，取高度0.024346960：

"GSM658288.CEL"    ##

"GSM658296.CEL"    ##

"GSM658291.CEL"    ##

"GSM658294.CEL"    ##     --|

"GSM658295.CEL"    ##     --|

"GSM658292.CEL"    ##     ----|

"GSM658293.CEL"    ##     ----|

"GSM658290.CEL"    ##

"GSM658287.CEL"    ##     -----|

"GSM658289.CEL"    ##     -----|

3）第4步是-4和3，意思是把第4个样品和刚刚第三步聚类的结果（也就是第1个样品和第3个样品聚类的结果）连接起来，取高度0.025066360：

"GSM658288.CEL"    ##

"GSM658296.CEL"    ##

"GSM658291.CEL"    ##

"GSM658294.CEL"    ##     --|

"GSM658295.CEL"    ##     --|

"GSM658292.CEL"    ##     ----|

"GSM658293.CEL"    ##     ----|

"GSM658290.CEL"    ##     -------|

"GSM658287.CEL"    ##     -----|_|

"GSM658289.CEL"    ##     -----|

4）第五步是-2和-10，把第2个样品和第10个样品连接起来，取高度0.031698616：

"GSM658288.CEL"    ##     --------|

"GSM658296.CEL"    ##    --------|

"GSM658291.CEL"    ##

"GSM658294.CEL"    ##     --|

"GSM658295.CEL"    ##     --|

"GSM658292.CEL"    ##     ----|

"GSM658293.CEL"    ##     ----|

"GSM658290.CEL"    ##     -------|

"GSM658287.CEL"    ##     -----|_|

"GSM658289.CEL"    ##     -----|

5）第六步是-5和1，把样品5和第一步聚类的结果连接起来，取高度0.031710258：

"GSM658288.CEL"    ##     --------|

"GSM658296.CEL"    ##    --------|

"GSM658291.CEL"    ##     ----------|

"GSM658294.CEL"    ##     --|_______|

"GSM658295.CEL"    ##     --|

"GSM658292.CEL"    ##     ----|

"GSM658293.CEL"    ##     ----|

"GSM658290.CEL"    ##     -------|

"GSM658287.CEL"    ##     -----|_|

"GSM658289.CEL"    ##     -----|

6）第七步是5和6，把第五步和第一步聚类的结果连接起来，取高度0.065868858：

"GSM658288.CEL"    ##     --------|_____

"GSM658296.CEL"    ##    --------|     |

"GSM658291.CEL"    ##     ----------|___|

"GSM658294.CEL"    ##     --|_______|

"GSM658295.CEL"    ##     --|

"GSM658292.CEL"    ##     ----|

"GSM658293.CEL"    ##     ----|

"GSM658290.CEL"    ##     -------|

"GSM658287.CEL"    ##     -----|_|

"GSM658289.CEL"    ##     -----|

7）第八步连接第2步和第4步的结果，取高度0.103249166：

"GSM658288.CEL"    ##     --------|_____

"GSM658296.CEL"    ##    --------|     |

"GSM658291.CEL"    ##     ----------|___|

"GSM658294.CEL"    ##     --|_______|

"GSM658295.CEL"    ##     --|

"GSM658292.CEL"    ##     ----|__________

"GSM658293.CEL"    ##     ----|          |

"GSM658290.CEL"    ##     -------|_______|

"GSM658287.CEL"    ##     -----|_|

"GSM658289.CEL"    ##     -----|

8）第九步连接第7步和第8步的结果，取高度0.137220473：

"GSM658288.CEL"    ##     --------|_____

"GSM658296.CEL"    ##    --------|     |____

"GSM658291.CEL"    ##     ----------|___|    |

"GSM658294.CEL"    ##     --|_______|        |

"GSM658295.CEL"    ##     --|                |

"GSM658292.CEL"    ##     ----|___________   |

"GSM658293.CEL"    ##     ----|          |___|

"GSM658290.CEL"    ##     -------|_______|

"GSM658287.CEL"    ##     -----|_|

"GSM658289.CEL"    ##     -----|

完成

15、R语言聚类树的绘图原理的更多相关文章

R语言学习笔记2——绘图
R语言提供了非常强大的图形绘制功能.下面来看一个例子: > dose <- c(20, 30, 40, 45, 60)> drugA <- c(16, 20, 27, 40, ...
R语言学习2：绘图
本系列是一个新的系列,在此系列中,我将和大家共同学习R语言.由于我对R语言的了解也甚少,所以本系列更多以一个学习者的视角来完成. 参考教材:<R语言实战>第二版(Robert I.Kaba ...
R语言：ggplot2精细化绘图——以实用商业化图表绘图为例
本文版权归http://www.cnblogs.com/weibaar 本文旨在介绍R语言中ggplot2包的一些精细化操作,主要适用于对R画图有一定了解,需要更精细化作图的人,尤其是那些刚从exce ...
R语言-聚类与分类
一.聚类: 一般步骤: 1.选择合适的变量 2.缩放数据 3.寻找异常点 4.计算距离 5.选择聚类算法 6.采用一种或多种聚类方法 7.确定类的数目 8.获得最终聚类的解决方案 9.结果可视化 10 ...
R语言聚类方法&主要软件包-K-means
主要4中软件包 stas:主要包含基本统计函数. cluster:用于聚类分析. fpc:含聚类算法函数(固定聚类.线性回归聚类等). mclust:处理高斯分布混合模型,通过EM算法实现聚类.分类及 ...
R语言曲线拟合函数（绘图）
曲线拟合:(线性回归方法:lm) 1.x排序 2.求线性回归方程并赋予一个新变量 z=lm(y~x+I(x^2)+...) 3.plot(x,y) #做y对x的散点图 4.lines(x ...
R语言中文社区历史文章整理（类型篇）
R语言中文社区历史文章整理(类型篇) R包: R语言交互式绘制杭州市地图:leafletCN包简介 clickpaste包介绍 igraph包快速上手 jiebaR,从入门到喜欢 Catterpl ...
统计计算与R语言的资料汇总（截止2016年12月）
本文在Creative Commons许可证下发布. 在fedora Linux上断断续续使用R语言过了9年后,发现R语言在国内用的人逐渐多了起来.由于工作原因,直到今年暑假一个赴京工作的机会与一位统 ...
【机器学习与R语言】4-决策树
目录 1.决策树原理 2.决策树应用示例 2.1)收集数据 2.2)探索和准备数据 2.3)训练模型 2.4)评估模型性能 2.5)提高模型性能通过自适应增强算法(boosting) 将惩罚因子分配 ...

随机推荐

初学 Nginx （一） SSI 的作用
SSI:Server Side Include,是一种基于服务端的网页制作技术, Nginx ssi 的例子如下: It took a little while to figure this out ...
CentOS 安装 Mongodb详解 --- 无Linux基础
先去官方下载离线安装包:https://www.mongodb.com/ ftp连接一下服务器,把离线包上传上去 XShell连接一下: 解压文件(你输一点就可以按tab键,它会自动补全):tar - ...
cookie、session的联系和区别，多台web服务器如何共享session
1.Cookie与Session的联系: cookie在客户端保存状态,session在服务器端保存状态.但是由于在服务器端保存状态的时候,在客户端也需要一个标识,所以session也可能要借助coo ...
pytorch的matmul怎么广播
1)如果是两个1维的,就向量内积:2)如果两个都是2维的,就矩阵相乘3)如果第一个是1维,第二个是2维:填充第一个使得能够和第二个参数相乘:如果第一个是2维,第二个是1维,就是矩阵和向量相乘:例: a ...
Oracle 字段监控 ( column monitor)
Oracle 字段监控 ( column monitor) */--> Oracle 字段监控 ( column monitor) Table of Contents 1. 开启与关闭 2. 字 ...
javascript之Location对象
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/ ...
Android和jS互调技术Demo实现
package com.loaderman.webviewdemo; import android.os.Bundle; import android.support.v7.app.AppCompat ...
关于bootstrap按钮的偏移
<body> <div id="divForm" class="addView"> <div class="form-h ...
Tushare金融大数据入门
Tushare金融大数据社区,是一个免费提供各类金融数据和区块链数据的平台 ,旨在助力智能投资与创新型投资. 积分数据千万条,积分第一条目前,提供的数据包含股票.基金.期货.债券.外汇.行业大数据 ...
Linux中编译C文件
C/C++程序编译的过程预处理,展开头文件,宏定义,条件编译处理等.通过gcc -E source.c -o source.i或者cpp source.c生成. 编译.这里是一个狭义的编译意义,指的 ...

15、R语言聚类树的绘图原理

15、R语言聚类树的绘图原理的更多相关文章

随机推荐

热门专题