如何加速一个简单的R代码绘制箱线图

Posted on by

在进行人工智能大模型的答疑的时候，演示了一个简单的表达量芯片数据集：GSE66175，但是它的样品数量确实是有点多，所以一个简单的R代码绘制箱线图都耗时很久，如下所示：

```r
library(AnnoProbe)
library(GEOquery)
gse_number <- ‘GSE66175’
if(T){gset <- geoChina(gse_number)}
a=gset[[1]]
dat=exprs(a)

～～～查看数据是否需要log～～～

boxplot(dat[,1:4],las=2)
range(dat)
boxplot(dat,las=2)


是时候做一个简单的加速啦：

### 有多种方法可以用来测量函数或代码块的执行时间

1. **使用 `Sys.time()` 函数**：通过记录代码执行前后的时间戳，然后相减得到执行时间。这种方法简单直接，适用于大多数情况。例如：
 ```r
 start_time <- Sys.time()
 # 执行你的代码
 end_time <- Sys.time()
 print(end_time - start_time) # 输出执行时间

  1. 使用 system.time() 函数：这个函数可以直接返回一个包含用户时间、系统时间和经过时间的列表，用于测量代码块的执行时间。例如：

    system.time({
# 执行你的代码
})

  2. 使用 microbenchmark 包：

  3. 使用 rbenchmark 包：

  4. 使用 tictoc 包：这个包提供了 tic() 和 toc() 函数，用于测量代码块的执行时间

  5. 使用 proc.time() 函数：

看看如何改进这20秒

这个箱线图之所以好费时间，其实是因为样品数量实在是太多了：

start_time <- Sys.time()
# 执行你的代码
boxplot(dat,las=2)
end_time <- Sys.time()
print(end_time - start_time) # 输出执行时间
 # 输出执行时间 Time difference of 20.27155 secs

可以看到这个表达量矩阵蛮奇怪的：前面的部分样品和后面的表达量范围完全不一样：

前面的部分样品和后面的表达量范围完全不一样

我问了人工智能大模型：r编程语言里面的更快地绘制boxplot呢

在R语言中，绘制箱线图（Boxplot）是一种常用的数据可视化方法，它可以展示数据的分布特征，包括中位数、四分位数以及异常值等。以下是几种快速绘制箱线图的方法：

  1. 使用基础图形系统中的 boxplot() 函数：

    • 您可以使用基础R的 boxplot() 函数来创建箱线图。例如，使用 boxplot() 函数并传入一个公式，可以对数据进行分组并绘制箱线图。boxplot(len ~ dose, data = ToothGrowth) 这样的代码可以创建一个按剂量分组的牙齿长度箱线图 。

  2. 使用 ggplot2 包：

    • ggplot2 是R语言中一个非常强大的绘图包，它提供了 geom_boxplot() 函数来绘制箱线图。您可以通过 aes() 函数设置美学映射，并通过 geom_boxplot() 来添加箱线图图层。例如，ggplot(ToothGrowth, aes(x = dose, y = len)) + geom_boxplot() 可以创建一个根据剂量分组的牙齿长度的箱线图 。

  3. 使用 boxplot.stats() 函数：

    • 在绘制箱线图之前，boxplot.stats() 函数可以帮助您计算箱线图的统计量，包括中位数、四分位数和异常值。这对于自定义箱线图的某些方面可能很有用 。

  4. 调整箱线图的样式：

    • 您可以使用 col 参数为箱线图设置颜色，使用 notch 参数来决定是否绘制带凹口的箱线图，以及使用 varwidth 参数来使箱线图的宽度与样本量的平方根成正比 。

  5. 使用 facet_grid() 创建分面箱线图：

    • 当您想要根据多个分类变量来展示数据分布时，可以使用 facet_grid() 函数来创建分面箱线图。例如，ggplot(diamonds, aes(x = color, y = price)) + geom_boxplot() + facet_grid(cut ~ clarity) 可以创建一个按切割质量和清晰度分面的钻石价格箱线图 。

  6. 使用 vioplot 包绘制小提琴图：

    • 虽然不是箱线图，小提琴图结合了箱线图和核密度图的特点，可以提供更多关于数据分布的信息。vioplot() 函数可以用来绘制小提琴图，它需要分组变量和数值变量 。

每种方法都有其特点和适用场景，您可以根据自己的需求选择合适的方法来快速绘制箱线图。

我测试了ggplot体系的绘图，但是节省的时间很有限，虽然是宽数据变成长数据是OK的 ：

start_time <- Sys.time()
df=melt(dat)
head(df)
library(ggpubr)
ggboxplot(df, x="Var2", y="value", fill="Var2") +
 theme(legend.position = "none") # 不显示图例
end_time <- Sys.time()
print(end_time - start_time) # 输出执行时间
# Time difference of 16.41384 secs

上面的boxplot.stats() 函数可以做的快速对每个样品进行箱线图统计：

data=dat[,1]
stats <- boxplot.stats(data)
boxplot(stats$stats, names=stats$names, 
 main="Boxplot Stats Visualization", ylab="Variable")

start_time <- Sys.time()
df=apply(dat, 2,function(x) boxplot.stats(x)$stats)
boxplot(df)
end_time <- Sys.time()
print(end_time - start_time) # 输出执行时间
# Time difference of 1.737396 secs

确实是快了很多哦！但是我其实是应该是另外一种可视化，因为直接使用boxplot函数可视化 boxplot.stats函数对一个向量的统计学结果，并不等价于boxplot函数可视化那个向量本身，如下所示：

并不等价于boxplot函数可视化那个向量本身

但是人工智能代码给我的回答并不是这样的：使用 boxplot.stats 函数得到的统计结果与直接使用 boxplot 函数绘制原始数据向量的箱线图在概念上有所不同，但它们可以提供相似的视觉效果和统计信息。下面是两者的区别和联系：

  1. boxplot 函数：

    • 直接对数据向量进行可视化，生成箱线图。
    • 箱线图展示了数据的最小值、第一四分位数（Q1）、中位数、第三四分位数（Q3）和最大值。
    • 还可以识别和显示异常值（outliers）。

  2. boxplot.stats 函数：

    • 计算数据向量的一些统计量，但不直接绘图。
    • 返回的是一个包含中位数、四分位数、四分位距、异常值等统计信息的列表。
    • 可以使用这些统计量来手动绘制箱线图或进行其他统计分析。

如果你使用 boxplot 函数直接对数据向量进行绘图，R 会自动计算所需的统计量并绘制箱线图。而当你使用 boxplot.stats 函数时，你得到了这些统计量的数据，可以对它们进行进一步的分析或绘图。

如果你想要使用 boxplot.stats 的结果来可视化，你可以手动将这些统计量绘制成箱线图，或者使用 boxplot 函数的参数来指定这些统计量。以下是使用 boxplot.stats 结果进行可视化的示例代码：

# 假设有一个数据向量
data_vector <- c(1:100, 1000)

# 使用 boxplot.stats 计算统计量
stats_result <- boxplot.stats(data_vector)

# 使用 base R 的 boxplot 函数和 stats_result 绘制箱线图
boxplot(data_vector, 
 stats = stats_result$stats, # 使用 boxplot.stats 的结果
 names = stats_result$names, # 如果有分组，使用分组名称
 ylab = "Value", 
 main = "Boxplot using stats from boxplot.stats")

在这个示例中，我们首先使用 boxplot.stats 计算了数据向量的统计量，然后使用这些统计量作为 boxplot 函数的参数来绘制箱线图。这样，boxplot 函数的可视化效果是基于 boxplot.stats 的统计结果，两者在视觉呈现上是一致的，但方法上有所区别。

​

Comments are closed.