首先看一下最终效果图，然后我们讲如何来使用R语言进行绘制！

R包

linkET包的网址和安装方法

#网址：https://github.com/Hy4m/linkET
install.packages("devtools")
devtools::install_github("Hy4m/linkET", force = TRUE)
packageVersion("linkET")

数据准备

如下图所示，我们需要准备的数据：

• varespec 数据框有 24 行和 44 列。 各列是 44 个物种的估计覆盖值。 变量名称由学名组成，对于任何熟悉植被类型的人来说都是不言自明的。

data("varespec", package = "vegan")
view(varespec)

• varechem 数据框有 24 行和 14 列，给出了与 varespec 数据框完全相同的地点的土壤特征。 化学测量有明显的名称。 Baresoil 给出了裸露土壤的估计覆盖度，Humdepth 给出了腐殖质层的厚度。

# 导入数据
data("varechem", package = "vegan")
view(varechem)

代码绘图

1.首先构建网络数据

# mantel_test()函数：曼特尔实验，相异矩阵的 Mantel 和部分 Mantel 检验;
# mantel test不仅可以用于分析一列数据与一个矩阵数据之间的相关性，还可以分析一个矩阵数据与另一个矩阵数据之间的相关性。

mantel <- mantel_test(varespec, #数据框
                      varechem, #数据框
                      # spec_select：列的数字或字符向量索引
                      spec_select = list(Spec01 = 1:7,
                                         Spec02 = 8:18,
                                         Spec03 = 19:37,
                                         Spec04 = 38:44)) %>% 
  # 增加rd 和 pd列
  mutate(rd = cut(r, breaks = c(-Inf, 0.2, 0.4, Inf),
                  labels = c("< 0.2", "0.2 - 0.4", ">= 0.4")),
         pd = cut(p, breaks = c(-Inf, 0.01, 0.05, Inf),
                  labels = c("< 0.01", "0.01 - 0.05", ">= 0.05")))
view(mantel)

2.进行可视化绘图

# 初始化相关图
# 此函数可用于简单、直接地可视化相关矩阵
# correlate()计算数据的相关性
qcorrplot(correlate(varechem), type = "lower", diag = FALSE) +
  # 方层
  geom_square() +
  # 在相关矩阵热图上绘制mantel测试图的功能
  geom_couple(data = mantel, 
              aes(colour = pd, size = rd), 
              curvature = nice_curvature()) +
  # 设置填充颜色
  scale_fill_gradientn(colours = brewer.pal(11, "RdBu")) +
  # 设置节点大小
  scale_size_manual(values = c(0.5, 1, 2)) +
  # 设置节点颜色
  scale_colour_manual(values = color_pal(3)) +
  # 设置图例
  guides(size = guide_legend(title = "Mantel's r",
                             override.aes = list(colour = "grey35"), 
                             order = 2),
         colour = guide_legend(title = "Mantel's p", 
                               override.aes = list(size = 3), 
                               order = 1),
         fill = guide_colorbar(title = "Pearson's r", order = 3))

• 如上图所示，该图由左侧相关性热图和右侧网络图组成。其中，热图的颜色代表土壤理化性质之间的相关系数，方块大小代表土壤理化性质之间的显著性
• 右侧网络图中的线宽代表mantel检验的相关性，颜色代表mantel检验的显著性
• 该图形的左侧热图展示了varechem数据各列之间的相关性，右侧网络图展现了varechem每列数据与4个矩阵数据之间的相关性

3.怎么样，清楚了吗？