R语言数据处理学习记录–用自己的数据完成mental test（使用ggcor包）

注：本文仅作为自己的学习记录以备复习查阅

关于科学上网：https://www.zhihu.com/question/498939985

一 ggcor包的简介及其安装

ggcor的目标是提供一组可以用来快速可视化相关矩阵的函数，大家可以在GitHub上很方便的获取关于这个包的全部信息，它可以实现Correlation plot、Mantel test plot、Circular heatmap、General heatmap图形的绘制。
GitHub地址：https://github.com/mj163163/ggcor-1
这里给出的是一个备用源，国内的gitee上也有很多转的，如果有小伙伴无法访问GitHub可以使用gitee：
gitee地址：https://gitee.com/future-doctor/ggcor?_from=gitee_search

；
ggcor包的安装：

# install.packages("devtools")
devtools::install_github("houyunhuang/ggcor")

GitHub上也有给出，除了这样的安装方式以外还可以本地安装，因为有时GitHub连接不上，本地安装可以避免这个问题。
其他安装方法：

1 安装devtools或remotes包（Rstudio中），再使用devtools或者remotes安装GitHub上的包

install.packages("devtools")
install.packages("remotes")
devtools::install_github('houyunhuang/ggcor')

2 本地安装

我们在GitHub或者gitee上将zip包下载下来（xxx-master.zip），使用命令（路径啥的记得自己修改一下）：

remotes::install_local("D:/ggcor-master.zip",upgrade = F,dependencies = T)

一般来说，本地安装都能很好的解决。

二 ggcor实现mental test的代码

首先加载一些有用的依赖包：

#加载包
library(vegan)
library(dplyr)
library(ggcor)
library(ggplot2)#这个包是用于图片导出，更清晰

GitHub上给出的数据是读取它本身给的例子：

data("varechem", package = "vegan")
data("varespec", package = "vegan")

这里我们展示不用例子数据的方法（事先准备好自己的数据）：

我再解释一些关于这个数据，最好是按照例子中的数据格式整理好然后转成csv文件再导入：

数据导入之后我们进行下一步，计算出mental test 的 R值和P值，这里的varespec和varechem是例子的数据集名，各位在用的时候记得更改为自己的：

mantel <- mantel_test(varespec, varechem, #这里要改成你自己的dataset
                      spec.select = list(Spec01 = 1:7,
                                         Spec02 = 8:18,
                                         Spec03 = 19:37,
                                         Spec04 = 38:44)) %>% #定义有几种分组
  mutate(rd = cut(r, breaks = c(-Inf, 0.2, 0.4, Inf),
                  labels = c("< 0.2", "0.2 - 0.4", ">= 0.4")),#定义Mantel的R值范围
         pd = cut(p.value, breaks = c(-Inf, 0.01, 0.05, Inf),
                  labels = c("< 0.01", "0.01 - 0.05", ">= 0.05")))#定义Mantel检验的p值范围

完成之后会在Rstudio的右侧出现运算的结果（这里又是我自己的数据了）：

最后一步就是让计算结果可视化起来，这里放作者给的代码，其中颜色线条粗细和一些字都是可以更改和调整的（数据集名称记得调换）：

quickcor(varechem, type = "upper") +
  geom_square() +
  anno_link(aes(colour = pd, size = rd), data = mantel) +
  scale_size_manual(values = c(0.5, 1, 2)) +
  scale_colour_manual(values = c("#D95F02", "#1B9E77", "#A2A2A288")) +
  guides(size = guide_legend(title = "Mantel's r",
                             override.aes = list(colour = "grey35"), 
                             order = 2),
         colour = guide_legend(title = "Mantel's p", 
                               override.aes = list(size = 3), 
                               order = 1),
         fill = guide_colorbar(title = "Pearson's r", order = 3))

由于我们要将生成的图片导出更清晰的格式，将可视化结果赋值到photo（当然这里可以取任何名字）

photot <- quickcor(varechem, type = "upper") +
  geom_square() +
  anno_link(aes(colour = pd, size = rd), data = mantel) +
  scale_size_manual(values = c(0.5, 1, 2)) +
  scale_colour_manual(values = c("#D95F02", "#1B9E77", "#A2A2A288")) +
  guides(size = guide_legend(title = "Mantel's r",
                             override.aes = list(colour = "grey35"), 
                             order = 2),
         colour = guide_legend(title = "Mantel's p", 
                               override.aes = list(size = 3), 
                               order = 1),
         fill = guide_colorbar(title = "Pearson's r", order = 3))

使用ggplot2导出生成的图片：

ggsave("D:/mantel.tiff",photo,width=8,height=6)

整个过程其实都非常简单，代码作者也给的很清晰，大家在使用时注意修改，多试一试，后续再发一个关于linkET包的使用教程，有任何问题和困难欢迎私信交流。

以上！！！！！