作者：李誉辉四川大学在读研究生

R_插值_拟合_回归_样条

[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()