pheatmap热图代码详解

热图，又称为热点图、热度图，是一种数据可视化技术。pheatmap是一种在R语言中用于生成热图的包。pheatmap包提供了许多可定制化的参数，使用户可以轻松地自定义热图的外观和行为。

一、安装和加载pheatmap包

在使用pheatmap之前，必须先安装和加载该包。可以通过以下命令在R中安装pheatmap包：

install.packages("pheatmap")

安装完成后，在每个新的R会话中，使用以下命令加载pheatmap包：

library(pheatmap)

二、生成热图的基本语法

在pheatmap中，生成热图的基本语法如下：

pheatmap(mat, ...)

其中，mat参数是要绘制的矩阵，…是一系列可选的图形参数，如行和列的标签等。

三、加载数据

在使用pheatmap之前，需要将数据加载到R环境中。假设我们有一个名为data的数据集和一个名为labels的标签集。通过以下命令可以将数据集放到R环境中：

data <-read.csv("data.csv",header=TRUE,sep=",")

该命令将CSV文件data.csv作为数据集加载到data中，并将第一行设置为标题。sep参数指定了CSV文件中的列分隔符，通常为逗号。

如果有行标签和列标签，可以使用以下语法将它们分别放到row_labels和col_labels变量中：

row_labels <-data[,1]
col_labels <-names(data[,2:ncol(data)])

四、生成最简单的热图

以下是生成最简单热图的代码：

pheatmap(data)

该代码将直接生成一个热图，该热图没有标签、没有颜色边界或文本。这是最基本和简单的热图。

五、添加标签

热图的标签对于读者来说非常重要。可以使用pheatmap中的row_names和col_names参数添加相应的标签。以下是使用row_names和col_names参数生成标签的代码：

pheatmap(data, row_names=row_labels, col_names=col_labels)

六、自定义颜色

在pheatmap中，可以使用colorRampPalette函数来自定义颜色。以下是自定义颜色的代码：

# 自定义颜色
my_palette <- colorRampPalette(c("yellow", "red"))(n = 99)
pheatmap(data, 
         color=my_palette)

该代码将生成一个使用自定义颜色的热图，这里生成的颜色是从黄色到红色渐变的。color参数指定颜色向量。

七、添加行和列的注释

在热图中添加行注释和列注释是一项有用的功能。可以使用pheatmap中的注释函数来添加注释。以下是添加行注释和列注释的代码：

# 添加行注释和列注释
library(RColorBrewer)
col_anno_colors <- brewer.pal(3, "Set1")
rownames(data) <- paste("gene", 1:nrow(data), sep = "")
pheatmap(data, 
         annotation_col = data.frame(cell_type = c(rep("Type1", 3), rep("Type2", 3)), 
                                     row.names = colnames(data)), 
         annotation_row = data.frame(exp_group = c(rep("A", 2), rep("B", 2), rep("C", 2)), 
                                     row.names = rownames(data)),
         annotation_colors = list(exp_group = c(A = col_anno_colors[1], 
                                                B = col_anno_colors[2], 
                                                C = col_anno_colors[3])))

该代码添加了行注释和列注释，它们用不同的颜色和标签表示了输入数据的分类。annotation_col和annotation_row参数用于注释行和列的注释，annotation_colors参数定义颜色。

八、设置字体

在pheatmap中，可以使用字体参数来设置字体。以下是设置字体的代码：

# 设置字体
library(extrafont)
pheatmap(data, 
         fontface = "bold", 
         fontsize_row = 14,
         fontsize_col = 12)

该代码设置了热图中行和列的字体大小和粗细。

九、调整布局

pheatmap提供了几个参数，以方便调整热图的布局。以下是调整布局的代码：

# 调整布局
pheatmap(data, 
         cellwidth = 30, 
         cellheight = 20, 
         margin = c(10,12), 
         main = "My heatmap")

该代码调整了热图的单元格大小、边距和标题。cellwidth和cellheight参数用于定义单元格的大小，margin参数定义了热图的外边距，main参数定义了热图的标题。

十、合并热图

使用layout函数，可以将多个热图合并成一个完整的热图。以下是合并热图的代码：

# 合并热图
p1 <- pheatmap(data1, 
                fontsize_col = 10, 
                fontsize_row = 16, 
                annotation_col = data.frame(type = c("A", "B", "C")), 
                annotation_colors = list(type = c(A = "red", B = "blue", C = "green")))

p2 <- pheatmap(data2, 
                fontsize_col = 10, 
                fontsize_row = 16, 
                annotation_col = data.frame(type = c("D", "E", "F")), 
                annotation_colors = list(type = c(D = "red", E = "blue", F = "green")))

layout(matrix(c(1,2), 1, 2), widths = c(4,4))
p1
p2

该代码将两个热图水平排列，并将它们放到一个更大的热图中。

总结

简而言之，pheatmap是一种R语言包，用于生成高度可定制的热图。本文介绍了如何使用pheatmap来生成热图，并根据需要自定义行、列的标签、注释、颜色、字体以及调整布局。此外，还可以将多个热图合并成一个完整的热图。使用pheatmap包可以轻松生成优美而信息丰富的热图。

原创文章，作者：小蓝，如若转载，请注明出处：https://www.506064.com/n/311200.html