From ea54504d6f9a8afb91ed64ed2e6fe9e4769da700 Mon Sep 17 00:00:00 2001 From: mougnibas Date: Mon, 23 Dec 2024 12:05:58 +0100 Subject: [PATCH] BO GRAPH --- Projet.Rmd | 18 +++++++++++++----- 1 file changed, 13 insertions(+), 5 deletions(-) diff --git a/Projet.Rmd b/Projet.Rmd index 173c0ad..bfff726 100644 --- a/Projet.Rmd +++ b/Projet.Rmd @@ -96,7 +96,7 @@ T1 quant à lui se démarque grandement par une large majorité (Un peu plus de ### Expression relative des gênes mesurées à intervalle régulier #### Traitement T1 -```{r} +```{r, fig.height=17} #apply(T[-c(37:39)],2,function(col){ # which(T == col) #hist(col, main = paste("Histogram of", colnames(T)[which(T == col)[2]]), @@ -116,21 +116,29 @@ Nous observons bien une concordance avec l'analyse des expressions des gênes fi ### boxplots pour faire joli ```{r} ggplot(melt(T[1:18]),aes(x=variable,y=value))+ - geom_boxplot() + geom_boxplot()+ theme(axis.text.x = element_text(angle=90, vjust = 0.5, hjust = 1)) ggplot(melt(T[19:36]),aes(x=variable,y=value))+ - geom_boxplot() + geom_boxplot() + theme(axis.text.x = element_text(angle=90, vjust = 0.5, hjust = 1)) ``` On voit que même sans réduire les données, chaque variable s'exprime environ avec la même intensité. +# TODO : RAJOUTER LES BOXPLOTS PAIRE QUANTITATIF QUALITATIF POUR DECELER UNE CORRELATION + +```{r} + + +``` + + ## Analyse bi-dimensionnelle ### matrice de correlation des variables quantitatives -```{r} +```{r, fig.height = 17} cr = cor(T[-c(37:39)]) -corrplot(cr,method="number", type="lower", bg = "lightgrey") +corrplot(cr,method="ellipse", type="lower", bg = "lightgrey") ```