为什么聚类图标签使用行而不是 ID 列中的名称？

Question

我正在处理一个数据集（第 1 列 = 基因名称，第 2 列 = 表达值），我正在尝试绘制聚类图，但我发现分支是按行号标记的，而不是按列中的基因 ID 标记的1.

数据集： https://dl.dropbox.com/u/364456/miRNA.csv

使用：

attach(animals)
d=dist(as.matrix(animals))
hc=hclust(d)
plot(hc)

结果图：

我尝试进行 kmeans 聚类并最终收到此错误：

通过强制引入的 NA。

这表明我没有正确格式化我的数据文件。

有人知道这是怎么回事吗？

Answer 1

为了 hclust 要将您的基因名称识别为正确的标签名称，此列必须是行名称。

问题：基因 mmu-miR-191 出现两次且行名不能重复。考虑到两行的值相同，我只是假设它是重复的并删除第二行。

read.table("miRNA.csv", sep=",", header=TRUE, row.names=1) -> mirna
mirna[-34,] -> mirna  # Delete the redundant row.
row.names(mirna) <- mirna[,1] # Declare column 1 as the row names
dist(as.matrix(mirna)) -> d # And then your routine
hc <- hclust(d)
plot(hc)

Answer 2

默认情况下，行号或行名称用于标记观察。但是，您可以使用标签参数选择要用于标签的变量。

plot(modelname, labels=dataset$variable)

.