[R] R을 이용한 통계 분석 및 데이터 시각화 : ggplot2 (geom_tile)

 정보

• 업무명     : R을 이용한 통계 분석 및 데이터 시각화 : ggplot2 (geom_tile)

• 작성자     : 박진만

• 작성일     : 2020-04-07

• 설   명      :

• 수정이력 :

 

 내용

[개요]

• R은 통계 분석 및 시각화 등의 기능을 갖춘 프로그래밍 언어 내지 통계 분석 환경입니다. 
  

• 통계 분석 기능으로 통계 검정, 선형 회귀 분석, 시계열 데이터 분석, 클러스터링 등을 지원하고 있습니다.
  

• 또한 최신 논문에서 발표된 같은 새로운 기술도 R로 구현되는 경우가 많습니다.
  

• 특히 시각화 기능으로 히스토그램, 막대 그래프, 선 그래프, 산포도, 나무 모양 그림이나 히트맵 등 기본적인 그래프가 기본으로 지원하고 있습니다.
  

• 또한 ggplot2 등의 패키지를 사용하여 더 높은 수준의 그림을 가시화할 수 있습니다.
  

 

 

[특징]

• 데이터를 이해하기 위해서 통계 분석 및 데이터 시각화가 요구되며 이 프로그램은 이러한 목적을 달성하기 위한 소프트웨어

   

[기능]

• 데이터형 소개

 

[활용 자료]

• 없음

 

[자료 처리 방안 및 활용 분석 기법]

• 없음

 

[사용법]

• 소스 코드 예시 참조

 

[사용 OS]

• Windows 10

 

[사용 언어]

• R v3.6.2

• R Studio v1.2.5033

 

 소스 코드

[geom_tile]

• ggplot에서 히트 맵을 그릴 때 geom_tile를 이용한다. 

• geom_tile를 이용하는 경우, 클러스터링이되지 않으므로, 미리 클러스터링을하고 그 순서를 얻을 필요가 있다.

library(ggplot2)
library(reshape2)

data <- matrix(rnorm(100), ncol = 5)
colnames(data) <- c("A", "B", "C", "D", "E")
rownames(data) <- paste0("gene", 1:nrow(data))
head(data)
##                 A           B         C            D           E
## gene1 -0.11711716 -1.11684283 0.1254322  1.488207104 -0.45142685
## gene2 -1.16152046 -0.12906816 0.3689287  0.005527114 -0.99741336
## gene3  2.01008582  0.37257467 1.5218607  0.442741545 -0.23218301
## gene4 -0.26018198  0.82453768 0.3301645 -0.345951426  1.08438069
## gene5 -2.01863764 -0.08232904 0.7288576 -1.249200664 -0.06960734
## gene6  0.04873271  0.63207776 1.7279752 -0.736363727 -0.08203153

df           <- melt(data)
colnames(df) <- c("Gene", "Group", "Value")
head(df)
##    Gene Group       Value
## 1 gene1     A -0.11711716
## 2 gene2     A -1.16152046
## 3 gene3     A  2.01008582
## 4 gene4     A -0.26018198
## 5 gene5     A -2.01863764
## 6 gene6     A  0.04873271

 

• 다음으로 클러스터링을 수행하고 그 결과에 따라 데이터의 순서를 정렬한다.

dev.new()
clr <- heatmap(data, scale = "none")
dev.off()

gene.idx  <- rownames(data)[clr$rowInd]
group.idx <- colnames(data)[clr$colInd]

df$Gene  <- factor(df$Gene, levels = gene.idx)
df$Group <- factor(df$Group, levels = group.idx)

 

• 마지막으로 geom_tile을 이용하여 히트 맵을 그린다.

ghm <- ggplot(df, aes(x = Group, y = Gene, fill = Value))
ghm <- ghm + geom_tile()
ghm <- ghm + theme_bw()
ghm <- ghm + theme(plot.background = element_blank(),
                   panel.grid.minor = element_blank(),
                   panel.grid.major = element_blank(),
                   panel.background = element_blank(),
                   axis.line = element_blank(),
                   axis.ticks = element_blank(),
                   strip.background = element_rect(fill = "white", colour = "white"),
                   axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1))
ghm <- ghm + scale_fill_gradientn("value", colours = rev(brewer.pal(9, "Spectral")), na.value = "white")
ghm <- ghm + xlab("Group") + ylab("Gene")
ghm

 

[다음글]

[R] R을 이용한 통계 분석 및 데이터 시각화 : ggplot2 (geom_histogram)

 

[이전글]

[R] R을 이용한 통계 분석 및 데이터 시각화 : ggplot2 (geom_boxplot)

 

 

 참고 문헌

[논문]

• 없음

[보고서]

• 없음

[URL]

• 없음

 

 문의사항

[기상학/프로그래밍 언어]

• sangho.lee.1990@gmail.com

[해양학/천문학/빅데이터]

• saimang0804@gmail.com

 

 

 

 

 

 

 

 

 

 

 

 

 

 

본 블로그는 파트너스 활동을 통해 일정액의 수수료를 제공받을 수 있음