R語言之視覺化①①熱圖繪製heatmap

摘要： 目錄 R語言之視覺化①誤差棒 R語言之視覺化②點圖 R語言之視覺化③點圖續 R語言之視覺化④點韋恩圖upsetR R語言之視覺化⑤R圖形系統 R語言之視覺化⑥R圖形系統續 R語言之視覺化⑦easyGgplot2散點圖 R語言之視覺化...

目錄

R語言之視覺化①誤差棒

R語言之視覺化②點圖

R語言之視覺化③點圖續

R語言之視覺化④點韋恩圖upsetR

R語言之視覺化⑤R圖形系統

R語言之視覺化⑥R圖形系統續

R語言之視覺化⑦easyGgplot2散點圖

R語言之視覺化⑧easyGgplot2散點圖續

R語言之視覺化⑨火山圖

R語言之視覺化⑩座標系統

R語言之視覺化①①熱圖繪製heatmap

======================================

R.package

• heatmap():用於繪製簡單熱圖的函式
• heatmap.2():繪製增強熱圖的函式
• d3heatmap:用於繪製互動式熱圖的R包
• ComplexHeatmap:用於繪製、註釋和排列複雜熱圖的R&bioconductor包（非常適用於基因組資料分析）

首先使用ggplot2畫簡單熱圖

data <- as.data.frame(matrix(rnorm(9*10),9,10))

rownames(data) <- paste("Gene", 1:9, sep="_")
colnames(data) <- paste("sample", 1:10, sep="_")
library(reshape2)
library(ggplot2)
data$ID <- rownames(data)
data_m <- melt(data, id.vars=c("ID"))
View(data_m)

• data為9行10列的標準正太分佈資料。
• 使用paste對行列名簡單命名。

• melt函式將data轉化為gene-id列，sample-variable列，以及表達值-value列。

  

p <- ggplot(data_m, aes(x=variable,y=ID)) + 
xlab("samples") +theme_classic() + theme(axis.ticks = element_blank(),
axis.line = element_blank()) + 
theme(panel.grid.major = element_blank()) + 
theme(legend.key=element_blank())+
theme(axis.text.x=element_text(angle=45,hjust=1, vjust=1)) + 
theme(legend.position="top") +
geom_tile(aes(fill=value)) + 
scale_fill_gradient2("Expression",
low = "green", 
high = "red",
mid = "black")
p

• theme_classic() + #去掉灰快
• theme(axis.ticks = element_blank(),
  axis.line = element_blank()) + #去掉邊框
• xlab('row name') +
  ylab('column name') #更改行名和列名
• scale_x_discrete(labels = 1:10, breaks = 1:10) +
  scale_y_discrete(labels = 1:10, breaks = 1:10) #修改行和列
• scale_fill_gradient2('legend name',
  low = 'blue', high = 'red', mid = 'white') #修改圖例名字以及圖中顏色