运用 R语言 pheatmap 包绘制热图（基础部分）

注意内容：

1. 对绘图文件格式的说明
2. 对数据处理的说明，这里的数据是物种属水平相对丰度表
3. 对pheatmap包基本绘图参数的修改，单元格的设置，聚类的设置，颜色的修改，单元格填充字体

示例数据存放在百度云，可自取
链接：https://pan.baidu.com/s/1O3rBFhG77YrclDixyncNrA
提取码：4bek

设置工作目录和加载所需包

 #设置自己的工作目录
## 注意使用反斜杠或者(\\)
setwd("C:/Users/shanpengloveforever/Desktop")

library(pheatmap) # 本次所使用的热图绘制包，如果没有安装包，记得提前安装好
library(vegan)  #vegan包待会可以用来标准化和中心化数据

导入数据和简单出图

这里用到的示例数据是一组属水平的相对丰富表

示例数据.png

接下来我们通过R函数将数据导入

data<-read.table("示例数据.txt",header=T,sep="\t",row.names=1)
View(data) #查看数据
data <- as.data.frame(data) #将数据转化为data.frame格式

导入R后查看数据.png

直接出图

pheatmap(data) #运用这个可以直接出图，但是不能直接使用，得对数据进行处理

热图原始.png

对数据进行标准化和中心化处理

这里对数据的行进行 Z-scores 标准化和中性化处理，当然你可以用其他方法来对数据处理。

data.1 <- decostand(data,"standardize",MARGIN = 1)
#data.1 <- as.data.frame(scale(data))#第二种方法，但是这个默认是对列进行处理
View(data.1)
#c查看其标准差
apply(data.1,1,sd) 

处理后数据.png

我们对这个经过标准化和中心化的数据，直接绘制热图，看看其效果怎样。

pheatmap(data.1) #出图

标准化后热图1.png

其实这个热图已经可以使用了，对要求不高的同学，但是别忘记了属是要斜体的。
接下来我们对热图进行美化。

热图美化

对热图聚类的修改

clustering_method参数来设定不同聚类方法

# 使用clustering_method参数来设定不同聚类方法，默认为"complete",
#可以设定为'ward', 'ward.D', 'ward.D2', 'single', 'complete', 'average', 'mcquitty', 'median' or 'centroid'等
pheatmap(data.1, clustering_method = "mcquitty")

聚类修改热图.png

可以看到修改聚类方法，热图还是有一定差距的，可以根据自己的实际需求来选择合适的方法

clustering_distance_rows行聚类距离度量

# 行列聚类距离度量
# clustering_distance_rows = "correlation"参数设定行聚类距离方法为Pearson corralation，默认为欧氏距离"euclidean"
#clustering_distance_cols 表示列距离度量的方法
pheatmap(data.1,clustering_distance_rows = "correlation",
      clustering_distance_cols= "correlation" )

聚类距离.png

cluster_row = FALSE参数设定不对行进行聚类；cluster_cols = FALSE参数设定不对列进行聚类

pheatmap(data.1,
         cluster_row = FALSE,cluster_cols = FALSE) 

不聚类.png

treeheight_row 设置行的聚类树高，treeheight_col 设置列的聚类树高

# 可以选择一个合适的聚类高度
pheatmap(data.1,
         treeheight_row=100,treeheight_col=50) 

聚类高度.png

热图颜色修改

color参数来修改颜色,这里使用赋值渐变颜色调色板colorRampPalette

# 选择“紫，白，红”渐变，分为50个等级，可以选择自己喜欢的颜色，但是需要美感
pheatmap(data.1, color = colorRampPalette(c("navy", "white", "firebrick3"))(50))

修改颜色.png

热图单元格的设置

它默认是有单元格的，所以我们可以修改单元格的边框颜色或者将其去掉

border_color参数设定热图格子的边框色

# 修改边框颜色为黑色
pheatmap(data.1, border_color = "black")

边框黑色.png

border=FALSE参数去掉边框线

# 去掉边框线
pheatmap(data.1, border=FALSE)

去掉边框线.png

cellheight 修改每个单元格的高度；cellwidth 修改每个单元格的宽度

# 将单元格的高度和宽度都设置为20
pheatmap(data.1,cellwidth = 20, cellheight = 20)

单元格高度宽度.png

• display_numbers = TRUE设定每个热图格子中显示相应的数值；
• fontsize 修改热图中字体大小
• number_color 设置显示内容的颜色
• number_format 修改数值的格式，常用的有
  "%.2f"（保留小数点后两位）
  "%.1e"（科学计数法显示，保留小数点后一位）

# 将单元格的高度和宽度都设置为20
pheatmap(data.1, border_color = "black", #边框线为黑色
         display_numbers = TRUE,         #热图格子中显示相应的数值
         number_color = "black",         #字体颜色为黑色
         fontsize=10,                    #字体大小为10
         number_format = "%.1f",         #保留一位小数
         fontface="italic")              #将字体设置为斜体

单元格多参数修改.png

自定义数值的显示方式

# 数值大于1.5的用*表示
pheatmap(data.1, display_numbers = matrix(ifelse(data.1 > 1.5, "*"," "), nrow(data.1)))

单元的自定义.png

图例的设置

*legend TRUE或者FALSE，表示是否显示图例
*legend_breaks参数设定图例显示范围，legend_labels参数添加图例标签

# 设定图例显示范围，添加图例标签
pheatmap(data.1, legend_breaks = c(-2:2), 
    legend_labels = c("-1.0","0.0","1.0","2.0","3.0"))  
# legend = FALSE 去掉图例
pheatmap(data.1,legend = FALSE)

去掉图例.png

show_rownames和show_colnames参数设定是否显示行名和列名

#去除行名
pheatmap(data.1,show_rownames = FALSE)

除去行名.png

R函数pheatmap包绘制热图的基础部分就到这里了，接下来有机会给大家带来进阶部分。

谢谢你的阅读
如有不足之处，请联系小蘑菇！
欢迎关注微信公众号：fafu 生信 小蘑菇