R绘图笔记 | 热图绘制
关于绘图，前面介绍了一些：
R绘图笔记 | 多数据系列的箱型图与带抖动散点的多数据系列箱型图
这里介绍热图，热图在生信文章中很常见，几乎都有。
一.读入数据
如果你想获取该数据用于自己练习，下面是获取数据的地址：
https://docs.qq.com/sheet/DV3lUY3NodG5TdWFz
数据格式是这样的。
数据第A列是病人ID，B列样本信息（Trmor/Normal），其他列是病人的标准化后的基因表达数据。
你可以保存副本导出，然后自己读入处理成下面这种样式：
library(ComplexHeatmap)library(circlize)library(dendextend)library(pheatmap)library(RColorBrewer)data <- read.csv("BioInfoNotesData2.csv",row.names = 1,stringsAsFactors = F)
dim(data)Type <- data$sampledata <- t(data[,-1])rownames(data) <- paste0("Gene ",1:20)head(data)[,1:4]二.绘图
1.pheatmap包绘图
其实，关于这个包绘制热图，很简单，官方的案例，你运行一遍就知道是什么意思了。
上面的数据，直接作为参数就可以直接出图了。
pheatmap(data)然后我们发现，很丑，我们知道列名是病人的ID，可以不显示，一定有参数设置不显示列名。
pheatmap(mat, color = colorRampPalette(rev(brewer.pal(n = 7, name = "RdYlBu")))(100), kmeans_k = NA, breaks = NA, border_color = "grey60", cellwidth = NA, cellheight = NA, scale = "none", cluster_rows = TRUE, cluster_cols = TRUE, clustering_distance_rows = "euclidean", clustering_distance_cols = "euclidean", clustering_method = "complete", clustering_callback = identity2, cutree_rows = NA, cutree_cols = NA, treeheight_row = ifelse((class(cluster_rows) == "hclust") || cluster_rows, 50, 0), treeheight_col = ifelse((class(cluster_cols) == "hclust") || cluster_cols, 50, 0), legend = TRUE, legend_breaks = NA, legend_labels = NA, annotation_row = NA, annotation_col = NA, annotation = NA, annotation_colors = NA, annotation_legend = TRUE, annotation_names_row = TRUE, annotation_names_col = TRUE, drop_levels = TRUE, show_rownames = T, show_colnames = T, main = NA, fontsize = 10, fontsize_row = fontsize, fontsize_col = fontsize, angle_col = c("270", "0", "45", "90", "315"), display_numbers = F, number_format = "%.2f", number_color = "grey30", fontsize_number = 0.8 * fontsize, gaps_row = NULL, gaps_col = NULL, labels_row = NULL, labels_col = NULL, filename = NA, width = NA, height = NA, silent = FALSE, na_col = "#DDDDDD", ...)show_rownames = T, show_colnames = T都是默认显示的，可以改为FALSE。
pheatmap(data,show_colnames = F)另外，我们还可以看出，基因的排序不是按照我们数据框的顺序排的，它给我们聚类排序了。cluster_rows = TRUE, cluster_cols = TRUE默认就是对列和行聚类，你可以设置不聚类。自己去试试。clustering_method指定聚类方法。kmeans_k参数用来指定聚类个数。 cellwidth = NA, cellheight = NA，用来指定每个小格子的宽和高。color指定颜色。display_numbers指定是否显示数值，fontsize_number指定字体大小，number_format参数可以设置数值格式，比如保留几位小数。legend指定是否显示图例。main指定图的标题，fontsize指定字体大小。
pheatmap(data,show_colnames = F,cluster_rows = F, color = colorRampPalette(c("navy", "white", "firebrick3"))(50))通常情况下，我们还是要有分组注释的。也就是为行和列生成注释，说白了就是分组信息，用annotation_col与annotation_row 参数设置，annotation_legend就用来指定注释信息。
设置列注释：
annotation_col = data.frame(Type = factor(Type))rownames(annotation_col) = colnames(data)head(annotation_col)设置行注释：
annotation_row = data.frame(GeneClass = factor(rep(c("Path1", "Path2", "Path3"), c(10, 4, 6))))rownames(annotation_row) = rownames(data)head(annotation_row)pheatmap(data, annotation_col = annotation_col,annotation_row=annotation_row, show_colnames = F)2.ComplexHeatmap包Heatmap函数绘图
这个函数绘图，数据量太大的话，不适合，所以前面的数据取一部分样本进行绘制就行。
data2 <- data[,c(1:20,(ncol(data)-19):ncol(data))]df<-scale(data2) #使用scale方法来对数据进行标准化，以消除量纲对数据结构的影响row_dend = hclust(dist(df)) # 根据行对数据进行系统性聚类col_dend = hclust(dist(t(df))) # 根据列对数据进行系统性聚类mycol <-rev(brewer.pal(n = 7, name = "RdYlBu")) #构造颜色映射方案Heatmap(df, col = mycol,name = "",rect_gp = gpar(col = "black"), show_column_names=F, column_dend_height = unit(4, "cm"), #设定列聚类显示部分的高度 row_dend_width = unit(4, "cm"), #设定行聚类显示部分的宽度 cluster_rows = color_branches(row_dend, k = 4), #设定行聚类成4类 cluster_columns = color_branches(col_dend, k = 2)) #设定列聚类成2类参数和前面的pheatmap函数差不多，看名字几乎就知道什么意思。
最后，我自己还是喜欢pheatmap函数。
pheatmap(scale(data2), annotation_col = annotation_col,annotation_row=annotation_row, show_colnames = F,cluster_cols = F,annotation_names_row = F,cellwidth = 15, cellheight = 12, color = colorRampPalette(c("navy", "white", "firebrick3"))(50))参考资料：
R语言数据可视化之美，张杰/著
pheatmap帮助文档