阿榜的生信笔记8—GEO图表介绍
原创
哈喽，我是学习生物信息学的阿榜！非常感谢您能够点击进来查看我的笔记。我致力于通过笔记，将生物信息学知识分享给更多的人。如果有任何纰漏或谬误，欢迎指正。让我们一起加油，一起学习进步鸭?
这份学习目录可以让大家更容易地了解笔记里面的内容哦?：
一、热图
输入数据：数值型矩阵或者数据框
图例中的颜色深浅表示数值大小，相关性大小
二、散点图和箱型图
散点图通过在二维平面上绘制数据点来展示两个变量之间的关系。散点图可用于显示数据之间的关系，如相关性或聚集情况，以及异常值的存在。
箱型图（又称箱线图）是一种展示数据集中值分布情况的方法。它通过绘制一条水平线表示数据的中位数和一个矩形框表示第一四分位数和第三四分位数之间的数据，来显示数据的分布范围和中心趋势。
data(iris)
# 绘制散点图
plot(iris$Petal.Length, iris$Petal.Width,
xlab = "123", ylab = "678",
main = "Scatter Plot", col = iris$Species)
# 绘制箱型图
boxplot(iris$Sepal.Length, iris$Sepal.Width, iris$Petal.Length, iris$Petal.Width,
names = c("Sepal.Length", "Sepal.Width", "Petal.Length", "Petal.Width"),
main = "Box Plot", ylab = "Value")
三、火山图
火山图通常展现每个基因的表达差异。
在火山图中，被差异表达的基因会呈现出显著的分布，并聚集在图表的左上角或右上角。
四、主成分分析
主成分分析（PCA）是一种数据降维技术，可以在不丢失太多信息的情况下对高维数据进行可视化和分析。图中代表样本的点在坐标轴上距离越远，说明样本差异越大。
以上是我这次在学习生物信息学过程中所整理的笔记。如果大家对这个领域也感兴趣，欢迎加我好友，我的qq号是1841113542。希望大家能够一起学习，共同进步。如果在笔记中有错误或者不足之处，欢迎大家指正，我们一起加油鸭?
引用自生信技能树——小洁老师
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
评论
登录后参与评论
推荐阅读