R_circlize包_和弦图（一）
作者：李誉辉 四川大学在读研究生
往期精彩：
[参考来源](https://jokergoo.github.io/circlize_book/book/the-chorddiagram-function.html)
par参数：
lty: line type. 可以是数字或者字符,
(0 = “blank”, 1 = “solid” (default), 2 = “dashed”, 3 = “dotted”, 4 = “dotdash”, 5 = “longdash”, 6 = “twodash”)lwd: line width. 默认是 1, 设置线宽的放大倍数.
cex: 设置文字和符号相对于默认值的大小, 为一个比例数值. 当使用 mfrow 或 mfcol 也会改变该值.
mai: 以 inch 为单位的图像边距, c(bottom, left, top, right).
mar: 以行数来表示图像边距, c(bottom, left, top, right), 默认是 c(5, 4, 4, 2) + 0.1.
mfcol, mfrow: 调整图形输出设备中子图排列的向量, c(nrow, ncol),
mfcol 让子图按照列优先排列, 相应的, mfrow 让子图按照行优先排列.当设置 mfcol mfrow 后, cex 和 mex 的基本单位都相应减小.
和弦图
和弦图简介
和弦图长什么样子：
和弦图在线
（http://circos.ca/intro/tabular_visualization/）
和弦图即可以反映2类变量之间的相互作用关系，也可以反映相互作用强度，这是其它图比不了的
和弦图的弦link的宽度代表所连接的两个对象的相互作用强弱，link越宽，则相互作用越强
和弦图常用于绘制国家之间的贸易往来量，城市之间的航班往来量，还有细胞和基因数据可视化(这个领域不了解)
邻接表(和弦图数据源)
邻接表强调2类对象之间的相互作用强弱，分为邻接矩阵(adjacency matrix)和邻接列表(adjacency list)
邻接矩阵为表示矩阵格式，邻接矩阵的元素映射到弦link的宽度，表示所在行名称和列名称的相互作用强弱
邻接列表通常前2列分别为2类对象，第3列映射到弦link的宽度，表示前2列对应行的元素相互作用强弱
circlize内置的和弦图绘制函数chordDiagram()对这2种邻接表都支持，但对于后续参数修改，使用邻接列表更方便
邻接表：
library(circlize)
# 编一个邻接矩阵
mat <- matrix(1:9, 3) # 第1列不是id列，通过行命名替代
rownames(mat) <- letters[1:3]
colnames(mat) <- LETTERS[1:3]
mat
# 编一个邻接列表
df <- data.frame(from = letters[1:3], to = LETTERS[1:3], value = 1:3)
df
可以使用内置函数generateRandomBed()产生随机基因类数据：
语法：generateRandomBed(nr = 10000, nc = 1, fun = function(k) rnorm(k, 0, 0.5), species = NULL)
参数解释：
nr 表示指定产生数据行数
nc 表示指定产生数据列数, 数据值的列
fun 表示指定参数随机数的方法
species 表示种类，传递给
read.cytoband
library(circlize)
set.seed(999)
bed = generateRandomBed() # 默认参数
head(bed)
bed = generateRandomBed(nr = 200, nc = 4)
nrow(bed)
bed = generateRandomBed(nc = 2, fun = function(k) sample(letters, k, replace = TRUE)) # 默认产生1000行数据
head(bed)
初步绘图
输入邻接表数据，默认参数，自动绘图，
构造数据
library(circlize)
# 构造一个邻接矩阵
set.seed(999)
mat <- matrix(sample(18, 18), 3, 6) # 3行6列的矩阵
rownames(mat) <- paste0("S", 1:3) # 生成行名
colnames(mat) <- paste0("E", 1:6) # 生成列名
# 构造一个邻接列表
df <- data.frame(from = rep(rownames(mat), times = ncol(mat)), # 第1列对象
to = rep(colnames(mat), each = nrow(mat)), # 第2列对象
value = as.vector(mat), # 第3列前2列对象相互作用强度
stringsAsFactors = FALSE)
df
绘图
library(circlize)
# 使用邻接矩阵
chordDiagram(mat)
circos.clear() # 结束绘图，否则会继续叠加图层
# 使用邻接列表
chordDiagram(df)
circos.clear() 
参数调整
调整了参数，绘图结束后，使用circos.clear()重置参数，使返回到默认状态
参数分为2大类：
第1类为
circos.par()内置参数第2类为
chordDiagram()内置参数
circos.par内置参数
| 分类 | 参数 | 描述 |
|---|---|---|
| sectors间隙 | gap.after |
调整外围sectors之间的间隙，用数字向量进行指定 |
| sectors旋转方向 | clock.wise |
为逻辑值，设置外围sectors的旋转方向 |
| sectors起点位置 | start.degree |
为-360到360的数字，调整第一个sector的位置，与旋转方向有关 |
gap 间隙调整
sectors之间的间隙可以用gap.after =调整
指定间隙的数字向量长度应该与sectors数量一致
library(circlize)
# 使用邻接矩阵时
circos.par(gap.after = c(rep(5, nrow(mat)-1), # 2个5，表示3个行名之间的间隙分别为5个单位
15, # 表示行名与列名之间的间隙，为15个单位
rep(5, ncol(mat)-1), # 5个5，表示6个列名之间的间隙分别为5个单位
15)) # 表示列名与行名之间的间隙，为15个单位
chordDiagram(mat)
circos.clear() # 返回默认设置
# 使用邻接列表时
circos.par(gap.after = c(rep(5, length(unique(df[[1]]))-1), # 表示第1列元素之间的间隙为5个单位
15, # 表示第1列与第2列之间的间隙为15个单位
rep(5, length(unique(df[[2]]))-1), # 表示第2列元素之间的间隙为5个单位
15)) # 表示第2列与第1列之间的间隙为15个单位
chordDiagram(df)
circos.clear()
sector起点位置及旋转方向调整
sector默认为3点钟顺时针方向，
circos.par(start.degree = )可以调整起点位置，起点位置还与旋转方向有关circos.par(clock.wise = FALSE/TRUE)可以调整旋转方向
library(circlize)
circos.par(start.degree = 90, clock.wise = FALSE) # 逆时针旋转，起点位置在逆时针90度方向，即12点针方向
chordDiagram(mat)
circos.clear()
chordDiagram内置参数
chordDiagram()内置参数很多，分类及作用如下：
| 分类 | 参数 | 描述 |
|---|---|---|
| sectors顺序 | order |
调整外围sectors排列顺序，用字符串向量指定，其长度与sectors数量一致 |
| sectors颜色 | grid.col |
调整外围sectors颜色，颜色向量指定，通常使用名称属性进行匹配，默认顺序匹配 |
| link颜色 | col |
用颜色矩阵或颜色向量指定，对于邻接矩阵和邻接列表不一样 |
| link透明度 | transparency |
用0(不透明)到1(透明)的数字指定，如果要设置不同的透明度，则用法与颜色指定类似 |
| link边线宽 | link.lwd |
用数字指定link弦边缘线宽度 |
| link边线型 | link.lty |
用数字指定link弦边缘线的线型，与par参数一致 |
| link边线颜色 | link.border |
指定link弦边缘线的颜色 |
| link弦可见 | link.visible |
指定要显示的弦，用逻辑向量或矩阵指定，只显示逻辑值为正的弦 |
| sectors内的顺序 | link.decreasing |
为逻辑值，表示指定link在sector内的顺序，需要先指定link.sort = TRUE |
| sectors外顺序 | link.rank |
指定link在各个sector之间的顺序，用数字向量或矩阵指定，值大的后添加在表层 |
| 自我连接 | self.link |
指定自我连接的类型，=1 或 =2 |
| 对称矩阵 | symmetric |
为逻辑值，symmetric = TRUE表示只画邻接矩阵下三角部分，不包括对角线 |
| link方向 | directional |
=1或 =-1,设置方向后，link终点高度将缩短，可以调节缩短量 |
| link箭头 | direction.type |
指定方向类型: "arrows"，c("arrows", "diffHeight")，"big.arrow"大箭头 |
| link高度 | diffHeight |
指定link终点缩短量，可以为负数,必须先在direction.type中设定diffHeight |
| 窄弦丢弃 | reduce |
从0到1的数字，表示link宽度小于弦总宽度百分比的link将不予显示,circos.info()可查看 |
| 轨道显示 | annotationTrack |
表示指定要显示的轨道,NULL隐藏，c("name", "grid", "axis")标签，网格和刻度 |
外围sectors的顺序
对于邻接矩阵，外围sector的顺序与
union(rownames(mat), colnames(mat))一致，默认从3点钟方向顺时针旋转对于邻接列表，外围sector的顺序与
union(df[[1]], df[[2]])一致
order参数调整外围sector的顺序，当然指定字符串向量的长度应与sectors的数量一致
如图所示：library(circlize) chordDiagram(mat, order = c("S1", "E1", "E2", "S2", "E3", "E4", "S3", "E5", "E6")) # 使用order参数调整顺序，默认3点钟顺时针方向 circos.clear()
颜色调整
通常外围sector分为2类，第1类代表邻接矩阵的行名或邻接列表的第一列，第2类代表邻接矩阵的列名和邻接列表的第2列，
连接弦link就是将2类sectors连接起来， 默认连接弦link的颜色与第1类对象的颜色一致，
改变外围sector中第1类对象的颜色，连接弦的颜色也会随之改变
外围sector的颜色可以用
chordDiagram(grid.col= )参数调整，
指定的颜色向量最好有一个名称属性，该名称属性与secters名称一样，这样才能一一匹配，否则没有名称属性则按顺序匹配连接弦link的透明度可以用transparency参数调整，从0(完全不透明)到1(完全透明)，默认透明度为0.5
连接弦link的参数可以用col参数调整，需要指定颜色矩阵(数据为邻接矩阵) 或颜色向量(数据为邻接列表)
可以用函数rand_color()产生随机颜色矩阵，可以在里面设置透明度参数，再指定透明度会被忽略
当相互作用relation为连续变量时，可以通过colorRamp2()产生连续的颜色向量，col参数也支持当数据是连接矩阵时，可以不提供颜色矩阵，link颜色指定还可以用颜色向量指定，使用参数
row.col或column.col指定
仅仅提供与行名或列名长度相同的颜色向量，颜色向量可以用颜色名称，hex色值，甚至数字表示
调整sectors颜色和link透明度
library(circlize)
grid_col <- c(S1 = "red", S2 = "green", S3 = "blue",
E1 = "grey", E2 = "grey", E3 = "grey", E4 = "grey", E5 = "grey", E6 = "grey") # 构建颜色向量，指定名称属性，则按名称匹配
chordDiagram(mat, grid.col = grid_col, transparency = 0.7) # 调整外围sector颜色，增加透明度
chordDiagram(t(mat), grid.col = grid_col) # 按名称匹配，则link颜色与mat矩阵的列名一致，全变为灰色
调整link颜色及透明度
colorRamp2(breaks, colors, transparency = 0, space = "LAB") 离散色板连续化，space表示色彩空间
library(circlize)
# 数据是邻接矩阵
col_mat <- rand_color(length(mat), transparency = 0.7) # 产生随机颜色矩阵，并指定透明度
dim(col_mat) <- dim(mat) # 以确保col_mat是一个矩阵
chordDiagram(mat, grid.col = grid_col, col = col_mat) # 设置link颜色，
circos.clear()
# 数据是邻接列表
cols <- rand_color(nrow(df), transparency = 0.7)
chordDiagram(df, grid.col = grid_col, col = cols)
circos.clear()
# link为连续变量
col_fun <- colorRamp2(range(mat), c("#FFEEEE", "#FF0000"), transparency = 0.5) # 产生连续色块并指定透明度
chordDiagram(mat, grid.col = grid_col, col = col_fun)
circos.clear()
# 用数字指定link颜色
chordDiagram(mat, grid.col = grid_col, row.col = 1:3, transparency = 0.7) # 用数字向量指定颜色，向量长度与连接矩阵的行数相同
chordDiagram(mat, grid.col = grid_col, column.col = 1:6, transparency = 0.7) # 用数字向量指定颜色，向量长度与连接矩阵的列数相同
circos.clear()
link边线宽，边线型，边线颜色
link,lwd 参数调整link边缘线宽度
link.lty 参数调整link边缘线线型
link.border 参数调整link边缘线的颜色
当数据是邻接矩阵时，这3个参数均可以用长度为1的向量指定，或矩阵
library(circlize)
# 用长度的1的向量指定
chordDiagram(mat, grid.col = grid_col, link.lwd = 2, link.lty = 2, link.border = "red") # 指定link边线宽度，边线线型，边线颜色
circos.clear()
# 用矩阵指定
lwd_mat <- matrix(1, nrow = nrow(mat), ncol = ncol(mat)) # 元素为1的矩阵，其维度与源数据mat一致
lwd_mat[mat > 12] <- 2 # relation > 12,则加宽link边线
border_mat <- matrix(NA, nrow = nrow(mat), ncol = ncol(mat)) # 元素为NA的矩阵，其维度与源数据mat一致
border_mat[mat > 12] <- "red" # relation > 2，则为红色边缘线
chordDiagram(mat, grid.col = grid_col, link.lwd = lwd_mat, link.border = border_mat) # 指定link边缘线宽度，边缘线颜色
circos.clear()
# 参数矩阵维度与数据源不一致,则改变部分颜色,必须按名称属性匹配
border_mat2 <- matrix("black", nrow = 1, ncol = ncol(mat)) # 生成1行的矩阵，其宽与数据源mat一致
rownames(border_mat2) <- rownames(mat)[2] # 将mat第2个行名赋值给border_mat2，则只会改变第mat第2行的边缘线颜色
colnames(border_mat2) <- colnames(mat) # 赋值列名，与数据源mat一致
chordDiagram(mat, grid.col = grid_col, link.lwd = 2, link.border = border_mat2) #
circos.clear()
# 参数矩阵还可以设置为特殊的3列格式，前2列分别对应数据源的行名称和列名称，第3列为参数列，相当于邻接列表格式的参数矩阵
lty_df <- data.frame(c("S1", "S2", "S3"), c("E5", "E6", "E6"), c(1, 2, 3)) # link边缘线分别为1, 2, 3
lwd_df <- data.frame(c("S1", "S2", "S3"), c("E5", "E6", "E4"), c(2, 2, 2)) # link边线线宽为2
border_df <- data.frame(c("S1", "S2", "S3"), c("E5", "E6", "E4"), c(1, 1, 1)) # link边缘线颜色为1
chordDiagram(mat, grid.col = grid_col, link.lty = lty_df, link.lwd = lwd_df, link.border = border_df)
circos.clear()
# 当数据源是邻接列表时，只需要指定跟源数据一样行数的向量，特别方便
chordDiagram(df, grid.col = grid_col,
link.lty = sample(1:3,nrow(df), replace = TRUE),
link.lwd = runif(nrow(df)) * 2,
link.border = sample(0:1, nrow(df), replace = TRUE))
circos.clear()
公众号后台回复关键字即可学习
回复 爬虫 爬虫三大案例实战
回复 Python 1小时破冰入门回复 数据挖掘 R语言入门及数据挖掘
回复 人工智能 三个月入门人工智能
回复 数据分析师 数据分析师成长之路
回复 机器学习 机器学习的商业应用
回复 数据科学 数据科学实战
回复 常用算法 常用数据挖掘算法
相关内容
微信扫码咨询专知VIP会员