python绘制的heatmap怎么看相关性 heatmap图怎么分析

安装

install.packages("gplots")library(gplots)

使用

1. 读取数据

# 毫无疑问，绘制热图需要一个数值矩阵作为输入# 我准备好了一个基因表达数据集，存放在名为data的文件中，该数据集含有11个样本，50个基因# 每列是一个样本，每行是一个基因# commanddata                              sep = "\t",                             header = T,row.names = 1,                             stringsAsFactors = F))

数据集data的一部分

2. 最基本使用方法

# 有了数值矩阵就可以绘制热图了，# commandheatmap.2(data,trace="none")# 参数：  # 1. data: 刚才读入的数值矩阵  # 2. trace: 稍后再讲# 结果说明：  # 1. 上述命令可以说是使用heatmap.2最简单的方式  # 2. 在这种情况下，除 trace这个参数之外，其余的参数均使用默认值  # 3. 得到的结果如下所示  # 4. 在默认情况下，生成的热图有如下要点：    # a. 函数默认计算各行和各列数据之间的相关性，并根据它们的相似程度对行和列进行聚类，并且对行和列都绘制了系统发生树    # b. 左上角的标度中有一条线，这条线表示处于各个颜色区段内的值的个数    # c. 函数默认以输入矩阵的行名和列名为热图中行和列的lable，在这个例子中，行的lable数目不等于矩阵中的行数，是因为图比较小，不足以显示所有的lable，R自动选择显示了一部分    # d. 热图的配色使用默认配色

3. 更多参数

# commandheatmap.2(data,trace="none",          Rowv = F)  # commandheatmap.2(data,trace="none",          Colv = F)# 新参数：  # 1. Rowv: 该参数接受一个逻辑值 TRUE(T)或FALSE(F)，表示是否根据各行数据之间的相似程度对它们进行聚类 ，默认值为TRUE  # 2. Colv：与Rowv类似，表示是否根据各列数据之间相似程度对它们进行聚类，默认值为TRUE  # 结果说明：  # 1. 新结果如下方所示  # 2. 当Rowv被设置为FALSE时，可以看到函数不再根据各行数据之间的相似性对其聚类，自然也就不会绘制系统发生树  # 3. 当Colv被设置为FALSE时，不再对列进行聚类，也没有系统发生树的绘制

将RowV设置为FALSE

将ColV设置为FALSE

# commandheatmap.2(data,trace="none",          dendrogram = "row")# 新参数  # 1. dendrogram：该参数接受以下三个值中的一个：    # a. "row"：表示只对行绘制系统发生树    # b. "column"：表示只对列绘制系统发生树    # c. "both：表示对行和列都绘制系统发生树，这也是该参数的默认值  # 注意：    # 1. 该参数只是指定是否系统发生树，不会干扰对行和列进行聚类   # 2. 在参数Rowv和Colv为TRUE的情况下，函数仍然会进行行和列的聚类   # 结果说明：  # 1. 新结果如下方所示  # 2. 可以看到该参数并没有影响行和列的聚类

dendrogram = "row"

dendrogram = "column"

# commandheatmap.2(data,trace="none",          dendrogram = "column",          scale = "row")# 新参数  # 1. scale：该参数接受以下三个值中的一个：    # a. "row"：表示将每行数据进行转化，使每行数据的平均数为0，其实就将每行数据转为其 Z score    # b. "column": 表示将每列数据转换为对应的Z score    # c. "none"：行和列的数据都不做转换，该值是该参数的默认值    # 结果说明：  # 1. 新结果如下所示  # 2. 与上边的图相比，对数据进行转换使得不同类别间的差别更明显，图片也更好看

# commandheatmap.2(data,trace="none",          dendrogram = "column",          scale = "row",          colsep = 4,          rowsep = 42,          sepcolor = "blue")          # 新参数  # 1. colsep：指定一个正整数n，然后函数将会在热图中的第n列与第n+1列中间留出一段间隔  # 2. rowsep：与colsep功能类似，指定一个正整数n，然后函数将会在热图中的第n行与第n+1行中间留出一段间隔  # 3. sepcolor：间隔的颜色，如果不指定该参数，则默认值为白色# 结果说明：  # 1. 新结果如下方所示  # 2. 可以看到，与上图相比，热图中多出了两个蓝色的间隔

# commandheatmap.2(data,trace="none",          dendrogram = "column",          scale = "row",          colsep = 4,          rowsep = 42,          cellnote = data,          notecex = 1.2,          notecol = "red")          # 新参数：  # 1. cellnote：指定一个矩阵，将该矩阵中的值添加到热图上的每个色块中，该矩阵应该与绘制热图的矩阵有相同的行数和列数  # 2. notecex：与cellnote对应，表示将填充到色块上的值放大到默认大小的多少倍，大于1表示放大，小于1表示缩小  # 3. notecol：填充到色块中的值的字体颜色  # 说明：  # 1. 将值添加到色块上适合色块比较少的热图，该例子中色块较多，添加了值之后一片模糊，因此在这里就不展示了

# commandheatmap.2(data,          dendrogram = "column",          scale = "row",          colsep = 4,          rowsep = 42,          trace = "column")          # 参数：  # 1. trace：该参数接受如下4个值中的一个    # a. "row"：表示对每行数据绘制一条曲线，曲线高低起伏表示色块对应的值的大小    # b. "column"：表示对每列数据绘制一条曲线，曲线高低起伏表示色块对应的值的大小，该值为该参数的默认值    # c. "both"：表达对行和列都绘制曲线    # d. "none"：表示对行和列都不绘制曲线    # 结果说明：  # 1. 新结果如下方所示  # 2. 一般热图不需要绘制该曲线，该曲线让热图看起来杂乱  # 3. 因为该参数的默认值为 column，因此在之前的例子中，该参数被专门设置为none

# commandheatmap.2(data,trace = "none",          dendrogram = "column",          scale = "row",          colsep = 4,          rowsep = 42,          cexRow = 1.5,          cexCol = 1.5)          # 新参数：  # 1. cexRow：表示将行的lable变为默认值的多少倍，大于1表示放大，小于1表示缩小  # 2. cexCol：与cexRow类似# 结果说明：  # 1.可以看到行和列的lable都比之前大了一些

# commandheatmap.2(data,trace = "none",          dendrogram = "column",          scale = "row",          colsep = 4,          rowsep = 42,          labRow = 1:50,          labCol = 1:11,          colRow = c("red","red"),          colCol = c("blue","blue"))          # 新参数  # 1. labRow：指定一个向量作为行的lable，指定为NA则不显示lable  # 2. labCol：指定一个向量作为列的lable，指定为NA则不显示lable  # 3. colRow：指定行lable的颜色  # 4. colCol：指定列lable的颜色  # 注意：  # 1. colRow 和 colCol的值不会循环补齐，也就说，指定几个颜色，就给几个lable着色，其它lable仍然使用默认的黑色  # 结果说明：  # 1. 新结果如下方所示  # 2. 可以看到，我们分别只指定了两个行和列lable的颜色，因此也就分别只有两个lable被着色

# commandheatmap.2(data,trace = "none",          dendrogram = "column",          scale = "row",          colsep = 4,          rowsep = 42,          key = TRUE,          density.info = "none",          key.title = "GENE",          key.xlab = "Z Score",          key.ylab = NA)# 新参数：  # 1. key：接受一个逻辑值TRUE或FALSE,表示是否绘制左上角的颜色标度条，默认为TRUE  # 2. density.info：接受一下3个值中的一个：    # a. "none"：表示在颜色标度条中不绘制密度曲线或直方图    # b. "histogram"：表示在颜色标度中绘制直方图    # c. "density"，表示在颜色标度中绘制密度曲线  # 3. key.title：标度条的名称，绘制在标度条的上方  # 4. key.xlab：标度条的 x 轴的名称，绘制在标度条的下方，设置为NA则不显示  # 5. key.ylab：标度条的 y 轴的名称，绘制在标度条的左侧，设置为NA则不显示  # 结果说明：  # 1. density.info 被设为"none",因此没有了标度条中的线条  # 2. 标度条的 x，y轴名称也发生了相应的变化

# commandlibrary(RColorBrewer)mypalette "PiYG")morecols heatmap.2(data,          dendrogram = "column",          scale="row",          col=rev(morecols(150)),          trace="none",          colsep = 4,          rowsep = 42,          labRow = NA,          density.info = "none",          key.title = NA,          key.xlab = "Z Score",          key.ylab = NA)          # 新参数  # 1. col:指定用来绘制热图的颜色# 说明：  # 1. 这里产生用来绘制热图的渐变色用到了一个RColorBrewer包和colorRampPalette函数，这里不细讲，感兴趣的可以自己学习  # 2. 新结果如下方所示  # 3. 最后用AI稍微修一修，比如调整一下标度条的位置，就可以了