pheatmap|暴雨暂歇,“热图”来袭!!!

简介: pheatmap|暴雨暂歇,“热图”来袭!!!

本文首发于“生信补给站”公众号 pheatmap|暴雨暂歇,“热图”来袭!!!

热图可以聚合大量的数据,并可以用一种渐进色来优雅地表现,可以很直观地展现数据的疏密程度或频率高低。

   本文利用R语言 pheatmap 包从头开始绘制各种漂亮的热图。参数像积木,拼凑出你最喜欢的热图即可,如下图:

    基因和样本都可以单独聚类,排序,聚类再分组,行列注释,配色调整,调整聚类线以及单元格的宽度和高度均可实现。

image.png


载入数据,R包



#R包
library(pheatmap)
# 构建测试数据 
set.seed(1234)
test = matrix(rnorm(200), 20, 10)
test[1:10, seq(1, 10, 2)] = test[1:10, seq(1, 10, 2)] + 3 
test[11:20, seq(2, 10, 2)] = test[11:20, seq(2, 10, 2)] + 2 
test[15:20, seq(2, 10, 2)] = test[15:20, seq(2, 10, 2)] + 4 
colnames(test) = paste("Test", 1:10, sep = "")
rownames(test) = paste("Gene", 1:20, sep = "")
head(test[,1:6])

image.png

绘制热图

绘制默认热图


pheatmap(test)

image.png

基本参数

# scale = "row"参数对行进行归一化

# clustering_method参数设定不同聚类方法,默认为"complete",可以设定为'ward', 'ward.D', 'ward.D2', 'single', 'complete', 'average', 'mcquitty', 'median' or 'centroid'


pheatmap(test,scale = "row", clustering_method = "average")

image.png


#表示行聚类使用皮尔森相关系数聚类,默认为欧氏距离"euclidean"


pheatmap(test, scale = "row", clustering_distance_rows = "correlation")

image.png


#行 列是否聚类,cluster_row ,cluster_col


pheatmap(test, cluster_row = FALSE,cluster_col = TRUE)

image.png


# treeheight_row和treeheight_col参数设定行和列聚类树的高度,默认为50


pheatmap(test, treeheight_row = 30, treeheight_col = 50)

image.png


# 设定cell 的大小


pheatmap(test, cellwidth = 15, cellheight = 12, fontsize = 10)

设定 text


热图中展示数值

# display_numbers = TRUE参数设定在每个热图格子中显示相应的数值,#number_color参数设置数值字体的颜色


pheatmap(test, display_numbers = TRUE,number_color = "blue")

image.png


# 设定数值的显示格式


pheatmap(test, display_numbers = TRUE, number_format = "%.1e")

image.png


#设定条件式展示


pheatmap(test, display_numbers = matrix(ifelse(test > 5, "*", ""), nrow(test)))

image.png


设置 legend


设定legend展示的值

#legend_breaks参数设定图例显示范围,legend_labels参数添加图例标签


pheatmap(test, cluster_row = FALSE, legend_breaks = -1:4, legend_labels = c("0", "1e-4", "1e-3", "1e-2", "1e-1", "1"))

image.png

#去掉legend


pheatmap(test, legend = FALSE)

image.png

设定 color

自定义颜色

#colorRampPalette


pheatmap(test, color = colorRampPalette(c("navy", "white", "firebrick3"))(50))

image.png

# border_color参数设定每个热图格子的边框色

# border=TRIUE/FALSE参数是否要边框线


pheatmap(test, border_color = "red", border=TRUE)

image.png

设定 annotations

# 生成行 列的注释


annotation_col = data.frame( CellType = factor(rep(c("CT1", "CT2"), 5)), Time = 1:5 )
rownames(annotation_col) = paste("Test", 1:10, sep = "")
annotation_row = data.frame( GeneClass = factor(rep(c("Path1", "Path2", "Path3"), c(10, 4, 6))))
rownames(annotation_row) = paste("Gene", 1:20, sep = "")


#添加列的注释


pheatmap(test, annotation_col = annotation_col)

image.png


#添加行 列的注释

#angle_col 改变列标签的角度


pheatmap(test, annotation_col = annotation_col, annotation_row = annotation_row, angle_col = "45")

image.png


# 根据聚类结果,自定义注释分组及颜色


ann_colors = list( Time = c("white", "firebrick"), CellType = c(CT1 = "#1B9E77", CT2 = "#D95F02"), GeneClass = c(Path1 = "#7570B3", Path2 = "#E7298A", Path3 = "#66A61E") )
pheatmap(test, annotation_col = annotation_col,annotation_row=annotation_row, annotation_colors = ann_colors, main = "Title")

image.png

设定 gap

#根据聚类结果,设定行gap

pheatmap(test, annotation_col = annotation_col, cluster_rows =FALSE, gaps_row =c(10, 14))

image.png

#根据聚类结果,设定列gap


pheatmap(test,annotation_col = annotation_col, cluster_rows = FALSE,cutree_col = 2)

image.png

#展示行或者列的label

labels_row =c("", "", "", "", "", "", "", "", "", "", "", "", "", "", "", "", "", "Il10", "Il15", "Il1b")

pheatmap(test, annotation_col = annotation_col, labels_row = labels_row)

image.png

热图汇总


pheatmap(test, annotation_col = annotation_col, annotation_row = annotation_row, annotation_colors = ann_colors,gaps_row = c(10, 14),cutree_col = 2,main = "Pheatmap")

image.png

输出结果


A = pheatmap(test, annotation_col = annotation_col, annotation_row = annotation_row, annotation_colors = ann_colors,gaps_row = c(10, 14),cutree_col = 2,main = "Pheatmap") #记录热图的行排序
order_row = A$tree_row$order 
 #记录热图的列排序
order_col = A$tree_col$order   
# 按照热图的顺序,重新排原始数据
result = data.frame(test[order_row,order_col])   
# 将行名加到表格数据中
result = data.frame(rownames(result),result,check.names =F)  
colnames(result)[1] = "geneid" 
#result结果按照热图中的顺序
write.table(result,file="reorder.txt",row.names=FALSE,quote = FALSE,sep='\t')  

image.png

R的当前工作目录下即可查看热图的结果。


相关文章
|
机器学习/深度学习 算法 数据挖掘
聚类分析(文末送书)
聚类分析中常用数据结构有数据矩阵和相异度矩阵
107 0
|
7月前
|
存储 算法 搜索推荐
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
本文提供了2022年华为杯数学建模竞赛B题的详细方案和MATLAB代码实现,包括方形件组批优化问题和排样优化问题,以及相关数学模型的建立和求解方法。
171 3
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
|
7月前
|
数据可视化 数据挖掘 Python
在模仿中精进数据可视化04:旧金山街道树木分布可视化
在模仿中精进数据可视化04:旧金山街道树木分布可视化
56 3
|
10月前
|
存储 自然语言处理 数据可视化
R语言文本挖掘:kmeans聚类分析上海玛雅水公园景区五一假期评论词云可视化
R语言文本挖掘:kmeans聚类分析上海玛雅水公园景区五一假期评论词云可视化
R语言文本挖掘:kmeans聚类分析上海玛雅水公园景区五一假期评论词云可视化
|
10月前
|
存储 数据可视化 数据挖掘
R语言可视化:ggplot2冲积/桑基图sankey分析大学录取情况、泰坦尼克幸存者数据
R语言可视化:ggplot2冲积/桑基图sankey分析大学录取情况、泰坦尼克幸存者数据
|
机器学习/深度学习 搜索推荐 数据可视化
无热图不组学!高阶文献热图R语言绘制小专场拿捏
近在阅读近五年的一区高分的机器学习文献,其中有一种图出现频率特别高——热图。《
389 0
|
10月前
|
数据可视化 Python
R语言布朗运动模拟股市、物种进化树状图、二项分布可视化
R语言布朗运动模拟股市、物种进化树状图、二项分布可视化
|
10月前
数据代码分享|R语言回归分析:体脂数据、公交绿色出行与全球变暖2案例
数据代码分享|R语言回归分析:体脂数据、公交绿色出行与全球变暖2案例
|
10月前
|
数据可视化
R语言股市可视化相关矩阵:最小生成树
R语言股市可视化相关矩阵:最小生成树
|
10月前
R语言预测人口死亡率:用李·卡特(Lee-Carter)模型、非线性模型进行平滑估计
R语言预测人口死亡率:用李·卡特(Lee-Carter)模型、非线性模型进行平滑估计