R：如何在 R 3.2.1 中使用 lattice 并行化多面板绘图？

Posted 2023-02-19

【中文标题】R：如何在 R 3.2.1 中使用 lattice 并行化多面板绘图？

【英文标题】：R: How to Parallelize multi-panel plotting with lattice in R 3.2.1?

【发布时间】：2015-12-10 13:19:43

【问题描述】：

我是 R 编程新手，想知道如何在使用 latticepackage 制作的12 个格子对象上并行运行 plot。

基本上，经过很多预处理步骤，我有以下命令：

plot(adhd_plot, split = c(1,1,4,3)) #plot adhd trellis object at 1,1 in a grid of 4 by 3 i.e 4 COLUMNS x 3 ROWS
plot(bpd_plot, split = c(2,1,4,3), newpage = F) #plot bpd trellis object in 2nd Column in a grid of 4colx3row
plot(bmi_plot, split = c(3,1,4,3), newpage = F) 
plot(dbp_plot, split = c(4,1,4,3), newpage = F) 
plot(height_plot, split = c(1,2,4,3), newpage = F) 
plot(hdl_plot, split = c(2,2,4,3), newpage = F) 
plot(ldl_plot, split = c(3,2,4,3), newpage = F) 
plot(ra_plot, split = c(4,2,4,3), newpage = F) 
plot(sbp_plot, split = c(1,3,4,3), newpage = F) 
plot(scz_plot, split = c(2,3,4,3), newpage = F) 
plot(tc_plot, split = c(3,3,4,3), newpage = F) 
plot(tg_plot, split = c(4,3,4,3), newpage = F) 

问题在于，虽然上述命令有效，但在 Mac OSX 上它们需要很长时间 (>4hrs) 才能生成如下图：

由于我的 Mac 有 8 个内核，我想我应该尝试将绘图命令拆分到不同的内核上，以加快绘图速度。

在搜索其他并行化问题后，我找到了doParallelpackage，并认为我可以在其中实现parLapplyfunction，如下所示：

library(doParallel)
detectCores()
cl <- makeCluster(6) #6 out of 8 cores
registerdoParallel(cl)
parLapply(cl, list_of_all_trellis_objects, plot)

但是，我不确定如何使用上述parLapply 命令中的split 参数将绘图放置在网格上的不同位置。

我一定要把12个地块分开放置而不叠加，那怎么做呢？

感谢您完成我的查询，我期待您的提示和解决方案。

【问题讨论】：

我不认为您可以并行绘制到同一设备。如果绘图时间过长，您可能会在这些绘图中绘制大量点（超过可以区分的点）。考虑如何避免这种情况。

@Roland Hei，感谢您的评论。你是对的。我有 GWAS 数据（全基因组关联研究），其中 12 个，所以它们确实很大，所有数据点（p 值）都需要绘制在 QQ（分位数-分位数）图中......无法避免那。这 12 个格子对象的总大小约为 650MB。

我会挑战你需要绘制所有点。绘制 qq 图的每 10 个点可能会给出几乎相同的图片。

【参考方案1】：

按照 cmets 的建议，无法并行写入绘图设备。

加快绘制单个图的一些变通方法：

减少QQ图中的点数，见：

https://stats.stackexchange.com/questions/35220/removing-extraneous-points-near-the-centre-of-a-qq-plot

应用这些提示可以更快地加载数据：

http://cbio.ensmp.fr/~thocking/reading-large-text-files-into-R.html

您可以尝试并行绘制/保存多个图（其中每个图使用第 1 点和第 2 点中的方法），但写入磁盘可能会导致严重的瓶颈。

编辑：

这里是绘制快速qq-plot的粗略代码：

https://github.com/vforget/fastqq

代码如下：

find_conf_intervals = function(row)
  i = row[1]
  len = row[2]
  if (i < 10000 | i %% 100 == 0)
    return(c(-log10(qbeta(0.95,i,len-i+1)), -log10(qbeta(0.05,i,len-i+1))))
   else  # Speed up
    return(c(NA,NA))
  


confidence.intervals <- function(e)
  xspace = 0.078
  print("1")
  ci = apply(cbind( 1:length(e), rep(length(e),length(e))), MARGIN=1, FUN=find_conf_intervals)
  print("2")
  bks = append(seq(10000,length(e),100),length(e)+1)
  print("3")
  for (i in 1:(length(bks)-1))
    ci[1, bks[i]:(bks[i+1]-1)] = ci[1, bks[i]]
    ci[2, bks[i]:(bks[i+1]-1)] = ci[2, bks[i]]
  
  colnames(ci) = names(e)
  ## Extrapolate to make plotting prettier (doesn't affect intepretation at data points)
  slopes = c((ci[1,1] - ci[1,2]) / (e[1] - e[2]), (ci[2,1] - ci[2,2]) / (e[1] - e[2]))
  print("4")
  extrap_x = append(e[1]+xspace,e) ## extrapolate slightly for plotting purposes only
  extrap_y = cbind( c(ci[1,1] + slopes[1]*xspace, ci[2,1] + slopes[2]*xspace), ci)
  print("5")
  polygon(c(extrap_x, rev(extrap_x)), c(extrap_y[1,], rev(extrap_y[2,])),
          col = "grey81", border = "grey81")


quant.subsample <- function(y, m=100, e=1) 
  ## m: size of a systematic sample
  ## e: number of extreme values at either end to use
  x <- sort(y)
  n <- length(x)
  quants <- (1 + sin(1:m / (m+1) * pi - pi/2))/2
  sort(c(x[1:e], quantile(x, probs=quants), x[(n+1-e):n]))
  ## Returns m + 2*e sorted values from the EDF of y


get.points <- function(pv) 
  suppressWarnings(as.numeric(pv))
  names(d) = names(pv)
  d = d[!is.na(d)]
  d = d[d>0 & d<1]
  d = d[order(d,decreasing=F)]
  y = -log10(d)
  x = -log10( ppoints(length(d) ))
  m <- 0.001 * length(x)
  e <- floor(0.0005 * length(x))
  return(list(x=quant.subsample(x, m, e), y=quant.subsample(y, m, e)))


fqq <- function(x, y, ...) 
  plot(0,
       col=FALSE,
       xlim=range(x),
       ylim=range(y),
       xlab=expression(Expected~~-log[10](italic(p))),
       ylab=expression(Observed~~-log[10](italic(p))),
       ...)
  abline(0,1,col=2)
  points(x,y, ...)


args <- commandArgs(trailingOnly = TRUE)
pv.f = args[1]
qq.f = args[2]
nrows = as.numeric(args[3])
message(Sys.time())
message("READING")
d <- read.table(pv.f, header=TRUE, sep=" ", nrows=nrows, colClasses=c("numeric"))
message(Sys.time())
message("LAMBDA")
chisq <- qchisq(1-d$P_VAL,1)
lambda = median(chisq)/qchisq(0.5,1)
message(Sys.time())
message("PLOTING")
p <- get.points(d$P_VAL)
png(file=qq.f)
fqq(p$x, p$y, main=paste(pv.f, lambda, sep="\n"), cex.axis=1.5, cex.lab=1.5)
dev.off()
message(Sys.time())

【讨论】：

我有执行 1 和 2 的 R 脚本，但完全针对我的工作流程进行了定制。很高兴与您分享。

这对我帮助很大。谢谢！我有兴趣了解如何为我的工作流程自定义第 1 点和第 2 点，因此可以通过查看您的脚本受益匪浅。我怎样才能联系到您？