Un ejemplo sencillo de cálculo del coeficiente de correlación y el valor P entre dos conjuntos de variables de datos utilizando el lenguaje R
Por ejemplo, el artículo Análisis comparativo de ARN largos no codificantes en angiospermas y caracterización de ARN largos no codificantes en respuesta al estrés por calor en col china en Horticulture Research escribe en la sección de métodos
Este es equivalente al cálculo. Anteriormente se descubrió que la correlación entre las variables en los dos conjuntos de datos se realizaba mediante la función de correlación correlación () en el paquete R
Pero encontré un problema aquí
Desactivar este informe de error. La interfaz aparecerá más tarde.
Aún no sé cómo solucionarlo. Lo busqué yo mismo y aún no he encontrado una solución.
Puedo. solo cambie el método de entrada a chino y luego coloque la función de una vez. Después de ingresar el nombre
Calcule el coeficiente de correlación y el valor P
Los resultados son los siguientes
Sin embargo, hay decenas de miles de expresiones de ARNm y es muy difícil calcularlas usando esta función Lenta
Encontré otra función que es la función rcorr() en el paquete Hmisc.
Esto es mucho más rápido, pero no puede calcular la correlación de variables entre dos conjuntos de datos.
En este caso, puede calcularla primero y luego filtrarla.
Los datos de entrada requeridos por esta función están en formato matricial
La función personalizada convierte este resultado en un formato de marco de datos de cuatro columnas
Finalmente, use nombres de variables para hacer coincidir
¿Es tan fácil de dibujar el mapa de calor de correlación entre dos matrices? Análisis de correlación del lenguaje R de aprendizaje basado en cero 2_bilibili_bilibili
La función corr.test() en el paquete psych también puede calcular directamente la correlación entre las variables de los dos conjuntos de datos. Este resultado también tiene p. valor de la prueba de significancia
Pero si la cantidad es relativamente grande, la velocidad será muy lenta
Cuaderno de análisis de datos de Xiao Ming