R包：TreeAndLeaf二分类树构建R包

介绍

树形图显示了二叉树，重点是表示树元素之间的层次关系。树状图包含节点、分支(边)、根和叶。根是分支和节点的来源，指示到叶的方向，即终端节点。

树形图布局的大部分空间用于排列分支和内部节点，留给叶子的空间有限。对于大的树形图，叶片标签通常被压缩到小的凹槽中。因此，当要显示的信息应该突出显示叶子时，树形图可能无法提供最佳布局。

TreeAndLeaf包旨在通过结合树形和力定向布局算法，将分析的重点转移到叶子上，从而提高树形图叶子的可视化效果。包的工作流程如图所示。

加载R包

R 复制代码

library("TreeAndLeaf")
library("RedeR")
library("igraph")
library("RColorBrewer")

导入数据

R 复制代码

data("USArrests")
head(USArrests)

数据处理

构建一个树状图示例

R 复制代码

hc <- hclust(dist(USArrests), "ave")
plot(hc, main="Dendrogram for the 'USArrests' dataset",
     xlab="", sub="")

转换 hclust 数据对象成 a tree-and-leaf 数据对象

R 复制代码

tal <- treeAndLeaf(hc)

设置图属性

R 复制代码

tal <- att.mapv(g = tal, dat = USArrests, refcol = 0)
pal <- brewer.pal(9, "Reds")
tal <- att.setv(g = tal, from = "Murder", to = "nodeColor", 
                cols = pal, nquant = 5)
tal <- att.setv(g = tal, from = "UrbanPop", to = "nodeSize",
                xlim = c(10, 50, 5), nquant = 5)
tal <- att.addv(tal, "nodeFontSize", value = 15, index = V(tal)$isLeaf)
tal <- att.adde(tal, "edgeWidth", value = 3)

画图

R 复制代码

#--- Call RedeR application
rdp <- RedPort()
calld(rdp)
resetd(rdp)

#--- Send the tree-and-leaf to the interactive R/Java interface
addGraph(obj = rdp, g = tal, gzoom=75)

#--- Call 'relax' to fine-tune the leaf nodes
relax(rdp, p1=25, p2=200, p3=5, p5=5, ps=TRUE)

#--- Add legends
addLegend.color(obj = rdp, tal, title = "Murder Rate", 
                position = "topright")
addLegend.size(obj = rdp, tal, title = "Urban Population Size",
               position = "bottomright")