Ответ 1
geom_raster(), из пакета ggplot2, обеспечивает высокопроизводительный тайлинг. Это может ускорить визуализацию тепловой карты, как только кластеризация будет выполнена.
Мы используем R, чтобы выплескивать графики (тепловые карты), которые отображаются на блестящем приложении (веб-странице). В настоящее время мы сталкиваемся с проблемой со временем, когда требуется R, чтобы сделать график, занимающий время, необходимое для вычисления. Позвольте мне показать то же самое на надуманном примере. В этом базовом тестовом случае R занимает ~ 17 секунд для рендеринга и сохранения файла тепловой карты в виде png (время компьютерного времени выведено: кластеры строк и столбцов предварительно вычисляются)
Мне интересно, есть ли способ сократить время, затрачиваемое на то, чтобы сделать этот тип графика значительным фактором. Возможно, мне не хватает каких-либо других постоянных вычислений, которые также могут быть сняты с функции heatmap.
Спасибо!
генерировать данные
m1 <- matrix(rnorm(500000,mean=15,sd=4),ncol=100)
m2 <- matrix(rnorm(500000,mean=30,sd=3),ncol=100)
m <- cbind(m1,m2)
dim(m)
базовая карта тепла со всеми вычислениями
png('test_heatmap.png')
system.time(heatmap(m))
user system elapsed
29.327 0.637 30.526
выполняют кластеризацию из функции тепловой карты: в основном для проверки времени отображения графика
> system.time(hcr <- hclust(dist(m)))
user system elapsed
9.992 0.126 10.144
> system.time(hcc <- hclust(dist(t(m))))
user system elapsed
0.659 0.002 0.662
> system.time(ddr <- as.dendrogram(hcr))
user system elapsed
0.498 0.010 0.508
> system.time(ddc <- as.dendrogram(hcc))
user system elapsed
0.011 0.000 0.011
время рендеринга тепловой карты с предварительно вычисленной дендрограммой строк/столбцов
png('test_heatmap.png')
> system.time(heatmap(m,Rowv=ddr,Colv=ddc))
user system elapsed
16.128 0.558 17.171
geom_raster(), из пакета ggplot2, обеспечивает высокопроизводительный тайлинг. Это может ускорить визуализацию тепловой карты, как только кластеризация будет выполнена.
Еще одна вещь, которую стоит рассмотреть:
library(lattice)
levelplot(hclust(dist(m)))