利用ggseqlogo绘制seqlogo图

R语言data manipulation学习笔记之创建变量、重命名、数据融合

R语言data manipulation学习笔记之subset data

R语言可视化学习笔记之gganimate包

创建属于自己的调色板

R语言可视化学习笔记之ggridges包

Lesson 01 for Plotting in R for Biologists

本文主要简单介绍一下magick包，主要用于图像处理

#安装的话就直接从CRAN安装进行

install.packages("magick")

#Load the package

library(magick)

#查看支持哪些格式

str(magick_config())

## List of 21

##  $ version           :Class 'numeric_version'  hidden list of 1

##   ..$ : int [1:4] 6 9 9 9

##  $ modules           : logi FALSE

##  $ cairo             : logi TRUE

##  $ fontconfig        : logi FALSE

##  $ freetype          : logi TRUE

##  $ fftw              : logi TRUE

##  $ ghostscript       : logi TRUE

##  $ jpeg              : logi TRUE

##  $ lcms              : logi TRUE

##  $ libopenjp2        : logi FALSE

##  $ lzma              : logi TRUE

##  $ pangocairo        : logi TRUE

##  $ pango             : logi TRUE

##  $ png               : logi TRUE

##  $ rsvg              : logi TRUE

##  $ tiff              : logi TRUE

##  $ webp              : logi TRUE

##  $ wmf               : logi FALSE

##  $ x11               : logi FALSE

##  $ xml               : logi TRUE

##  $ zero-configuration: logi FALSE

可以看出大部分格式都是支持的

读取的话可以直接从本地读取，也可以读取URL格式的图片，主要通过image_read()来读取，image_info()则可以显示图像的一些属性数据。

#读取网上随便选的图片

night_king <- image_read("http://ov520p4qw.bkt.clouddn.com/ytlogos/170903/ha6Cchfk38.jpg?imageslim")

image_info(night_king)

##   format width height colorspace filesize

## 1   JPEG   189    267       sRGB     6449

#通过image_write()可以讲图片以任何格式输出，比如将刚读取的图片以png格式输出。image_write(night_king, path = "night_king.png", format = "png")

通过image_convert()可以将图片转换为我们需要的格式，比如这里我们可以将night_king的格式转换为png格式

night_king.png <- image_convert(night_king, "png")

image_info(night_king.png)

##   format width height colorspace filesize

## 1    PNG   189    267       sRGB        0

可以看到这里的filesize为0，直到被渲染（这里涉及到ImageMagick方面，我不是很懂）。

在RStudio中可以查看我们读取的图片

转换(transformations)

magick提供一系列函数对图片进行裁剪以及编辑，主要有以下函数：

• image_crop(image, “100x150+50”):裁剪

• image_scale(image, “200”):按宽比例进行放大缩小

• image_scale(image, “x200”):按高比例进行放大缩小

• image_fill(image, “blue”, “+100+200”):对特定部位着色

• image_border(image, “red”, “20x10”):添加边框

下面我们来试试这些函数

#Example imagewolf <- image_read("http://ov520p4qw.bkt.clouddn.com/ytlogos/170903/4h96Df21AI.png?imageslim")

print(wolf)

#Add 20px left/right and 10px top/bottom

image_border(image_background(wolf, "hotpink"), "#000080", "20x10")

#trim margins

image_trim(wolf)

image_crop(wolf, "500x300+50")

#Resize

image_scale(wolf, "300")#width:300px

#Resize

image_scale(wolf, "x300")#heigth:300px

#Rotate or mirror

image_rotate(wolf, 45)

#Flip

image_flip(wolf)

#Flop

image_flop(wolf)

#Paint

image_fill(wolf, "red", point = "+190+100", fuzz = 4000)

这个函数最难掌握，我本来是想将wolf的眼睛渲染成红色，但是不断调整point以及fuzz都没弄成，感兴趣的可以自己捣鼓捣鼓。

#Add randomness

image_blur(wolf, 10, 5)

可以通过调整参数来设置模糊度

image_noise(wolf)

#Silly filters

image_charcoal(wolf)

image_oilpaint(wolf)

image_negate(wolf)

#Add some text on the image

image_annotate(wolf, "I am the King of wolf", size=25, gravity = "southeast", color="gold")

自定义text

#customize the text

image_annotate(wolf, "I am the King", size=30, color="red", boxcolor = "pink", degrees = 45, location = "+30+30")

#Set the font times-new-roman

image_annotate(wolf, "I am the King", size=30, color="red", boxcolor = "pink", degrees = 45, location = "+30+30", font = 'times-new-roman')

你没看错，magick支持管道操作，下面试试

library(magrittr)

wolf%>%

image_rotate(270)%>%

image_background("white", flatten = TRUE)%>%

image_border("red", "10x10")%>%

image_annotate("I am the King", color='red', size = 25, location = "+100+300")

magick除了支持管道操作外，还支持图层叠加、拼图以及动图处理，来个经典的动态地球

earth <- image_read("http://ov520p4qw.bkt.clouddn.com/ytlogos/170903/a9CjAEGiC5.gif")

length(earth)

print(earth)

rev(earth) %>%

image_flip() %>%

image_annotate("This is the Earth", size = 20, color = "white")

不知什么鬼，图片竟然显示出来乱的，电脑渣的话还是别搞动画

bigdata <- image_read("http://ov520p4qw.bkt.clouddn.com/ytlogos/170903/JclK3efbB3.jpg?imageslim")

logo <- image_read("http://ov520p4qw.bkt.clouddn.com/ytlogos/170903/JdjdB88CLm.png?imageslim")

frink <- image_read("http://ov520p4qw.bkt.clouddn.com/ytlogos/170903/E5fbmb1FIb.png?imageslim")

img <- c(bigdata, logo, frink)

img <- image_scale(img, "300x300")

image_mosaic(img)

image_animate(image_scale(img, "200x200"), fps = 1, dispose = "previous")

#fps控制放映速度

静图+动图

静图就用我以前绘制过的，具体可看博客（https://ytlogos.github.io/2017/08/24/ggplot2%E5%AD%A6%E4%B9%A0%E7%AC%94%E8%AE%B0%E4%B9%8B%E5%9B%BE%E5%BD%A2%E6%8E%92%E5%88%97/）

image1 <- image_read("http://ov520p4qw.bkt.clouddn.com/ytlogos/170903/kLeL888DbI.png?imageslim")

dance_man <- image_read("http://ov520p4qw.bkt.clouddn.com/ytlogos/170903/86iEDe36lf.gif")

dance_man <- image_scale(dance_man, "200")

#Background image

background <- image_background(image_scale(image1, "800"), "white", flatten = TRUE)

#Combine and flatten frames

frames <- image_apply(dance_man, function(frame){

image_composite(background, frame, offset = "+500+270")

#Turn frames into animation

animation <- image_animate(frames, fps = 10)

print(animation)

还有一些有趣的功能这里我就不讲了，有兴趣的可以试试，还是很好玩的。

SessionInfo

sessionInfo()

## R version 3.4.1 (2017-06-30)

## Platform: x86_64-w64-mingw32/x64 (64-bit)

## Running under: Windo ws 10 x64 (build 15063)

## Matrix products: default

## locale:

## [1] LC_COLLATE=Chinese (Simplified)_China.936

## [2] LC_CTYPE=Chinese (Simplified)_China.936

## [3] LC_MONETARY=Chinese (Simplified)_China.936

## [4] LC_NUMERIC=C

## [5] LC_TIME=Chinese (Simplified)_China.936

## attached base packages:

## [1] stats     graphics  grDevices utils     datasets  methods   base

## other attached packages:

## [1] magrittr_1.5 magick_1.2

## loaded via a namespace (and not attached):

##  [1] compiler_3.4.1  backports_1.1.0 rprojroot_1.2   tools_3.4.1

##  [5] htmltools_0.3.6 curl_2.8.1      yaml_2.1.14     Rcpp_0.12.12

##  [9] stringi_1.1.5   rmarkdown_1.6   knitr_1.17      stringr_1.2.0

## [13] digest_0.6.12   evaluate_0.10.1

往期精彩内容整理合集

2017年R语言发展报告（国内）

R语言中文社区历史文章整理（作者篇）

R语言中文社区历史文章整理（类型篇）

公众号后台回复关键字即可学习

回复 R R语言快速入门及数据挖掘
回复 Kaggle案例 Kaggle十大案例精讲（连载中）
回复 文本挖掘 手把手教你做文本挖掘
回复 可视化 R语言可视化在商务场景中的应用
回复 大数据 大数据系列免费视频教程
回复 量化投资 张丹教你如何用R语言量化投资
回复 用户画像 京东大数据，揭秘用户画像
回复 数据挖掘 常用数据挖掘算法原理解释与应用
回复 机器学习 人工智能系列之机器学习与实践
回复 爬虫 R语言爬虫实战案例分享

> mkdir /dowload > cd /download > wget ftp://ftp.graphics magick .org/pub/Graphics Magick /Graphics Magick -LATEST.tar.gz > tar -xzvf Graphics Magick -LATEST.tar.gz > cd Graphics Magick -1.3.21 (or the lastest graphics L1以及L1 magic是指L1范数最小化问题，也叫做Lasso问题。在机器 学习 和统计推断中，L1范数最小化是一种常用的优化方法。 L1范数是指向量中各个元素的绝对值之和。L1范数最小化的目标是找到一个稀疏解，即仅有少数非零项的解。这在特征选择、信号处理以及统计推断中都是非常有用的。 L1 magic则是一个软件工具 包 ，用于求解L1范数最小化问题。它使用迭代软阈值算法（iterative soft-thresholding algorithm）来求解最优解。通过迭代，L1 magic能够找到逼近最优解的稀疏解。 L1 magic的功能 包 括： 1. 求解稀疏优化问题：L1 magic可以使用L1范数最小化来求解具有稀疏解的优化问题，例如最小二乘问题或卡尔曼滤波问题。 2. 特征选择：L1 magic可以用于选择具有最强预测能力的特征，即找到那些与目标变量高度相关的特征。 3. 信号恢复：L1 magic可以用于恢复被噪声污染的信号，通过对信号的稀疏表示进行最优化来去除噪声。 4. 压缩感知：L1 magic可以用于压缩感知理论中的信号重构问题，通过在测量过程中进行稀疏表示，从少量的测量中恢复出完整的信号。 总之，L1 magic是一个功能强大的工具，通过L1范数最小化解决了稀疏优化问题，在特征选择、信号处理和压缩感知等领域发挥着重要的作用。 ### 回答2： l1magic是一种用于信号处理和机器 学习 的算法，可以实现数据压缩和特征选择的功能。 首先，l1magic可以用于信号处理领域的数据压缩。在信号处理中，信号通常以高维的形式存在，而许多信号维度对应的信息是冗余或不重要的。l1magic利用l1范数最小化的原则，可以将信号稀疏表示，去除冗余信息并保留主要特征，从而可以大大减小信号所占用的存储空间。这种信号压缩技术有助于减小数据量，提高传输效率和存储效率。 其次，l1magic还可应用于机器 学习 中的特征选择。在机器 学习 任务中，选择合适的特征对于提高模型的性能和解释能力非常重要。l1magic可以通过最小化l1范数的方法，将不重要的特征系数收缩至零，从而实现特征选择的过程。这种方法可以避免过度拟合的问题，提高模型的泛化能力和计算效率，并且可以解释和理解模型选择了哪些特征来进行预测。 综上所述，l1magic具有信号压缩和特征选择的功能。它在信号处理和机器 学习 领域有着广泛的应用，可以提高数据的效率和质量，并且有助于进一步的数据分析和建模工作。 ### 回答3： l1magic是一种数学算法，用于解决信号和图像恢复问题。它的主要功能是通过最小化L1范式来恢复稀疏信号。 稀疏信号是指信号中只有很少非零元素的情况。l1magic算法利用这一特点，通过优化问题的求解，找到最优的稀疏表示。 具体地说，l1magic算法通过最小化L1范式作为优化目标。L1范式是指向量各个元素的绝对值之和。相比于L2范式（即向量的平方和），L1范式可以更好地保持信号的稀疏性。 l1magic算法适用于不同的信号和图像恢复问题，如压缩感知、图像去噪、图像插值等。它在 图像处理 领域具有广泛的应用，可以用于提高图像质量、减少数据传输量等方面。 总之，l1magic是一种用于信号和图像恢复问题的数学算法。它通过最小化L1范式来恢复稀疏信号，具有广泛的应用领域，可以提高图像质量和减少数据传输量。