如何解决corrplot和相关矩阵的pheatmap之间的区别？如何使两者保持一致
我注意到 corrplot 制作的相关图与 pheatmap 制作的不同。 原始数据： enter link description here
corrplot 中的相关矩阵，
count = read.csv('data_here.csv')
mtx = cor(count,method = 'kendall')
corrplot(mtx,method="color",tl.cex = .35,order="hclust",hclust.method = 'complete')
想在图的轴上添加树状图，但还没有使用 ccorrplot 弄清楚... 所以我尝试了 pheatmap，
mtx %>% pheatmap(
fontsize = 3,clustering_method = 'complete')
很明显，这两个包的集群方式不同。例如基因 RSPO3
解决方法
受到这篇文章的启发， https://www.datanovia.com/en/blog/clustering-using-correlation-as-distance-measures-in-r/
就是这样想出来的！
pheatmap(mtx,fontsize = 3,clustering_distance_cols = as.dist(1 - mtx),clustering_distance_rows = as.dist(1 - mtx)
)
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
