MATLAB实例:求相关系数.绘制热图并找到强相关对 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 用MATLAB编程,求给定数据不同维度之间的相关系数,并绘制热图,保存图片,找到强相关的维度对. 数据集来自UCI中的wine:https://archive.ics.uci.edu/ml/datasets/Wine 1. demo.m clear clc etea=0.8; %阈值 % 加载数据 data_load=dlmread('E:\sca

>> clear;>> x1=[0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8];>> y1=[0,0.55,0.69,0.86,0.93,0.93,0.97,0.97,1];>> x2=[0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8];>> y2=[0,0.45,0.79,0.93,0.97,0.97,1,1,1];>> x3=[0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0

热图可以聚合大量的数据,并可以用一种渐进色来优雅地表现,可以很直观地展现数据的疏密程度或频率高低. 本文利用R语言 pheatmap 包从头开始绘制各种漂亮的热图.参数像积木,拼凑出你最喜欢的热图即可,如下图: 基因和样本都可以单独聚类,排序,聚类再分组,行列注释,配色调整,调整聚类线以及单元格的宽度和高度均可实现. 载入数据,R包 #R包library(pheatmap)# 构建测试数据 set.seed(1234)test = matrix(rnorm(200), 20, 10)test[1

1. 线性关系数据可视化 lmplot( ) import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns % matplotlib inline sns.set_style("darkgrid") sns.set_context("paper") # 设置风格.尺度 import warnings warnings.filterwarning

matlab 7.0 绘制二维.三维心形函数       又到周六,下周就要迎来春节小长假了,想想都有些激动.在外漂了一整年,总于可以回家和父母团聚了,还有吃好吃的...,哎呀~想想都流口水呢.不过先不要激动,假期到来前还是要好好工作的,明天周日苦逼的调休...       下面回归正题,聊聊这周想分享的好东西,就是用MATLAB绘制心型图,对!是 ' 心 ' 形的哦~,本人并不是数学专业,只是工作中H5页面做动画有用过动画曲线,比如tween.js,由于底层动画控制逻辑是数学函数.于是回忆起自

使用axes函数在matlab绘图中实现图中图的绘制 有时为了对细节进行详细说明,需要在一个较大坐标轴上绘制一个小图来对局部进行放大以阐述结果. 这可以通过调用axes函数实现. 下面通过绘制 y=1/(t-3) 的曲线举例说明该函数的使用方法. 程序如下: clc;clear;close all;                                                                                                    

同很多非数学相关专业的朋友一样,我第一次碰到这个图时也是丈二和尚摸不着头脑.只知道这个工字型的图案,中间的点代表的是平均值,上下的两条横线代表的是方差值,除此之外,连这个图叫什么名字都不知道,只好硬着头皮在百度里输入“matlab作图中间是平均值上下是方差”或者“怎么画图:平均值和方差在图示中表现出来”之类搞笑的关键词搜索来寻找一丝蛛丝马迹.在阅读了很多文章之后,慢慢的才确定,这种统计学上常用的图叫做——误差棒图. 为了给后来者们节省一些时间,在这里我对误差棒图的绘制做个总结,举几个例子分析下可

生成测试数据 绘图首先需要数据.通过生成一堆的向量,转换为矩阵,得到想要的数据. data <- c(1:6, 6:1, 6:1, 1:6, (6:1)/10, (1:6)/10, (1:6)/10, (6:1)/10, 1:6, 6:1, 6:1, 1:6, 6:1, 1:6, 1:6, 6:1) [1] 1.0 2.0 3.0 4.0 5.0 6.0 6.0 5.0 4.0 3.0 2.0 1.0 6.0 5.0[15] 4.0 3.0 2.0 1.0 1.0 2.0 3.0 4.0 5.0

前言 一般而言,我们做完pathway富集分析,就做下气泡图或bar图来进行展示,但它们实际上只考虑了富集因子和Pvalue.如果我们不关注这两个因素,而是在乎样本本身的pathway丰度呢? 对于KEGG热图绘制,大部分是做到KO层级,因为基因/蛋白和KO的绝大部分都是一对一的对应关系.如果一定要做Pathway的丰度热图呢?一般的方法是将该通路中的基因/蛋白的丰度进行累加来表示该pathway的丰度. 好了,现在我们来计算并绘制热图吧. 数据处理 得到pathway富集分析结果文件一般是这样

若已经拿到表达矩阵exprSet 若差异较大,进行log缩小不同样本的差距 1.热图全体 1 ##加载包 2 library(pheatmap) 3 4 ##缩小表达量差距 5 exprSet <- log2(exprSet+1) 6 7 ##取最大标准差前1000个基因名字 8 cg <-names(tail(sort(apply(exprSet,1,sd)),1000)) 9 10 ##标准化,只关注样品间基因差异,不关注基因之间的,将离群点拉平 11 n <-t(scale(t(e

热图是使用颜色来展示数值矩阵的图形.通常还会结合行.列的聚类分析,以表达实验数据多方面的结果.  热图在生物学领域应用广泛,尤其在高通量测序的结果展示中很流行,如样品-基因表达,样品-OTU相对丰度矩阵非常适合采用热图呈现.   热图优点   因为人读数字需要思考和比较,而对颜色识别能力非常强,采用颜色的深浅代替数据表是非常高效的呈现方式,也便于从中挖掘规律.  热图在非常小的区域展示了大量的基因表达/细菌丰度数据,即可以快速比较组间的变化,同时还可以显示组内每个样品的的丰度,以及组内各样品间的

一.线性关系数据可视化lmplot( ) 表示对所统计的数据做散点图,并拟合一个一元线性回归关系. lmplot(x, y, data, hue=None, col=None, row=None, palette=None,col_wrap=None, height=5, aspect=1,markers="o",     sharex=True,sharey=True, hue_order=None, col_order=None,row_order=None,legend=True

Heatmap热图通过众多数据点信息,汇聚成直观可视化颜色效果,热图已广泛被应用于气象预报.医疗成像.机房温度监控等行业,甚至应用于竞技体育领域的数据分析. http://www.hightopo.com/guide/guide/plugin/forcelayout/examples/example_heatmap2d.html http://www.hightopo.com/guide/guide/plugin/forcelayout/examples/example_heatmap3d.ht

Heatmap热图通过众多数据点信息,汇聚成直观可视化颜色效果,热图已广泛被应用于气象预报.医疗成像.机房温度监控等行业,甚至应用于竞技体育领域的数据分析. 已有众多文章分享了生成Heatmap热图原理,可参考<How to make heat maps>和<How to make heat maps in Flex>,本文将介绍基于HTML5技术的实现方式,主要基于Cavans和WebGL这两种HTML5的2D和3D技术的应用,先上最终例子实现的界面效果和操作视频: 实现Heat

原文地址:种三维曲面图. 程序如下: [x,y]=meshgrid(-8:0.5:8); z=sin(sqrt(x.^2+y.^2))./sqrt(x.^2+y.^2+eps); subplot(2,2,1); mesh(x,y,z); title('mesh(x,y,z)') subplot(2,2,2); meshc(x,y,z); title('meshc(x,y,z)') subplot(2,2,3); meshz(x,y,z) title('meshz(x,y,z)') subplot

用matlab绘制幂函数 下周轮到我做论文汇报了,刚好前两天看了网格水印的文章,就决定汇报前两天看到的那篇论文了.在准备ppt的过程中,绘制了一些幂函数,感觉matlab真的是很强大啊,可以绘制各种曲线.下面就简要介绍一下如何用matlab绘制幂函数的曲线. 上图绘制的曲线是Y = X^k,k的取值可以从曲线上看出.曲线上的“k=xxx”是截图后在绘图工具中添加的,便于直观的查看k与曲线的对应.在如上图所示的曲线中,我们设置横坐标X的取值范围为[0,1]. 绘制k=0.25的曲线代码如下 x=0

主要步骤 ggplot2 数据处理成矩阵形式,给行名列名 hclust聚类,改变矩阵行列顺序为聚类后的顺序 melt数据,处理成ggplot2能够直接处理的数据结构,并加上列名 ggplot_tile进行画图 gplots 数据处理成矩阵形式,给行名列名 调制颜色并用heatmap.2画热图(heatmap.2函数内部用hclustfun 进行聚类) R语言代码 library(ggplot2) library(data.table) CN_DT <- fread("/home/ywlia

主要步骤 pheatmap 数据处理成矩阵形式,给行名列名 用pheatmap画热图(pheatmap函数内部用hclustfun 进行聚类) ggplot2 数据处理成矩阵形式,给行名列名 hclust聚类,改变矩阵行列顺序为聚类后的顺序 melt数据,处理成ggplot2能够直接处理的数据结构,并加上列名 ggplot_tile进行画图 gplots 数据处理成矩阵形式,给行名列名 调制颜色并用heatmap.2画热图(heatmap.2函数内部用hclustfun 进行聚类) R语言代码

用matlab绘制箭头 http://npfeng900.blog.163.com/blog/static/14456108201221922944998/ 用matlab绘制箭头1 用matlab绘制箭头 1.    quiver 和quiver3命令 这两个命令适合画关于“场”中向量的图,不适合于画单个剪头,而且放大之后,剪头不是很好看 如: [X,Y] = meshgrid(-2:.2:2); Z = X.*exp(-0.5.*X.^2 - Y.^2); [DX,DY] = gradien

<写在前面> 关于台风轨迹图,这次由于作业需要就画了一幅轨迹图,参考原图选自论文: LIU Zenghong, XU Jianping, SUN Chaohui, WU Xiaofen. An upper ocean response to Typhoon Bolaven analyzed with Argo profiling floats [J]. Acta Oceanol. Sin., 2014, 33(11), 90–101 大家有兴趣可以自行查找论文进行阅读,本文所绘制台风轨迹图选取