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

  1. 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, ...

  2. 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 ...

  3. 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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 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 ...

  8. 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 ...

  9. 【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

  1. Java集成POI进行Excele的导入导出,以及报错: java.lang.AbstractMethodError..........

    报错信息如下 java.lang.AbstractMethodError: org.apache.poi.xssf.usermodel.XSSFCell.setCellType(Lorg/apache ...

  2. **高效的MySql 随机读取数据

    一直以为mysql随机查询几条数据,就用 SELECT * FROM `table` ORDER BYRAND() LIMIT 5 就可以了. 但是真正测试一下才发现这样效率非常低.一个15万余条的库 ...

  3. linux常用关机和重启命令

    Linux有如下的关机和重启命令:shutdown, reboot, halt, poweroff,那么它们有什么区别呢? shutdown - 建议使用的命令 shutdown是最常用也是最安全的关 ...

  4. 升级日志sdfsdfsdfsdfsdfdsf

    升级日志sdfsdfsdfsdfsdfdsf 升级日志小书匠 版本号 新功能 修改

  5. vue中html、js、vue文件之间的简单引用与关系

    有关vue文件记录:index.html在html中运用组件 <body> <app></app> <!-- 此处app的组件为入口js main.js中定义 ...

  6. linux 基础 ls cd 目录含义

  7. 2019.12.05【ABAP随笔】 分组循环(LOOP AT Group) / REDUCE

    ABAP 7.40新语法 LOOP AT Group 和 REDUCE *LOOP AT itab result [cond] GROUP BY key ( key1 = dobj1 key2 = d ...

  8. Kibana 创建索引 POST 403 (forbidden) on create index

    一.问题描述: Kibana创建索引:kibana > management > index patterns > create index pattern 索引名称: mercha ...

  9. charles获取抓包数据

    charles获取抓包数据 第一步:确保手机和电脑处于同一个局域网之下 第二步:进入 charles 的代理设定选项(主导航栏Proxy-----Proxy Setting......)中,允许代理, ...

  10. 7-1 shell编程基础之二

    shell编程基础之二 算数运算 bash中的算术运算:help let +, -, *, /, %取模(取余), **(乘方),乘法符号有些场景中需要转义 实现算术运算: (1) let var=算 ...