Nothing
# ---------------------------------------------------------------
# graphscan : version 1.1
# fonction plot_cluster_1d
# fonction pour tracer les positions des clusters positifs et
# négatifs pour une seule série d'évènement
#
# création : 17/12/13
# version du : 20/03/14
# Unité Epidémiologie Animale (UR346)
# Auteurs : Robin Loche, Benoit Giron, David Abrial, Lionel Cucala, Myriam Charras-Garrido, Jocelyn De-Goer
# ---------------------------------------------------------------
.plot.cluster.one.1d<-function(x,events_series=1,...)
{
# longeur de la séquence ou longeur du vecteur
# récupérer le facteur de normalisation (borne inf et sup de l'intervalle)
if(is.null(x@param$n))
{ n<-x@param$normalisation_factor[[events_series]] } else n<-c(0,x@param$n)
# si une limite sur x est présente dans les paramètres suplémentaires
argument<-list(...)
if(length(argument)>0) if(match("xlim",names(argument))>0) n<-argument$xlim
# isoler les données à tracer
d<-x@cluster$cluster_1d
d<-d[d[,8]==events_series,]
if(is.null(dim(d))) d<-matrix(d,nrow=1) # garder format matrix
# nombre de clusters
nb_cluster<-nrow(d)
if(is.na(d[1,1])) stop(paste("no cluster plot for events serie ",
events_series,".",sep=""),call.=F)
# -------------------------------------
# tri sur les identifiants des clusters
# -------------------------------------
# traiter les clusters dans l'ordre de détection
id<-sort(d[,6],index.return=T)
d<-d[id$ix,]
if(is.null(dim(d))) d<-matrix(d,nrow=1) # garder format matrix
# -------------------------------------
# mise à l'échelle des indices de Cucala
# -------------------------------------
indice_pos<-d[d[,5]==1,3]
indice_neg<-d[d[,5]==0,3]
if(length(indice_pos)==0) indice_pos<-1 else
{
indice_pos<-log(indice_pos)
}
if(length(indice_neg)==0) indice_neg<--1 else
{
indice_neg<--indice_neg/max(indice_neg)*mean(indice_pos)
}
# ajout d'une colonne à d pour y placer
# les indices de Cucala mis à l'échelle
d<-cbind(d,0)
d[d[,5]==1,10]<-indice_pos
d[d[,5]==0,10]<-indice_neg
# -------------------------------------
# calcul des proportions des longeurs
# des clusters positifs et négatifs
# -------------------------------------
# facteur de normalisation
normalisation<-n[2]-n[1]
pourcentage_longeur_pos<-sum(d[d[,5]==1,9])/normalisation*100
pourcentage_longeur_neg<-sum(d[d[,5]==0,9])/normalisation*100
pourcentage_longeur_pos<-round(pourcentage_longeur_pos,2)
pourcentage_longeur_neg<-round(pourcentage_longeur_neg,2)
# -------------------------------------
# gestion des couleurs suivant
# les cluster positifs ou négatifs
# -------------------------------------
couleur<-rep("red",times=nrow(d))
# cluster négatif
couleur[d[,5]==0]<-"blue"
# -------------------------------------
# tracé du graphique
# -------------------------------------
# ligne de base
y0<-0
plot.new()
plot.window(xlim=n,ylim=range(d[,10]))
rect(xleft=d[,1],xright=d[,2],ybottom=d[,10],
ytop=y0,col=couleur)
# tracé des axes
if(!is.null(x@param$n_sequences))
position<-round(quantile(n),0) else position<-quantile(n)
axis(side=1,at=position)
axis(side=2)
# titres
titre<-paste("cluster lengths: positives ",pourcentage_longeur_pos,"%, negatives ",pourcentage_longeur_neg,"%",sep="")
if(x@param$cluster_analysis=="positive")
titre<-paste("cluster lengths: positives ",pourcentage_longeur_pos,"%",sep="")
if(x@param$cluster_analysis=="negative")
titre<-paste("cluster lengths: negatives ",pourcentage_longeur_neg,"%",sep="")
sous_titre<-x@param$id[events_series]
title(main=titre,sub=sous_titre,xlab="positions",ylab="Cucala index",font.main = 4)
}
Any scripts or data that you put into this service are public.
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.