https://www.jianshu.com/p/d9e46f4909b9?from=singlemessage
https://www.jianshu.com/p/1c55ea64ff3f

本身是一个R包，即pheatmap，同时也是一个热图绘制函数（包含在这个R包中）

1. 画图

• 输入的数据类型可以是矩阵或数据框（所用元素必须是数值类型）

> aa <- rnorm(10)
> aa
 [1]  0.9776812 -1.0920903  0.4549197 -0.8919608 -1.1659368  1.4973326 -0.1212030  1.2195271 -0.8531547 -1.7511741
> dim(aa) <- c(5,2)
> aa
           [,1]       [,2]
[1,]  0.9776812  1.4973326
[2,] -1.0920903 -0.1212030
[3,]  0.4549197  1.2195271
[4,] -0.8919608 -0.8531547
[5,] -1.1659368 -1.7511741

> bb <- rnorm(10)+2
> bb
 [1] 2.761983 1.537864 1.990649 2.636954 1.852780 2.688776 1.658533 1.176793 3.384660 1.657643
> dim(bb) <- c(5,2)
> bb
         [,1]     [,2]
[1,] 2.761983 2.688776
[2,] 1.537864 1.658533
[3,] 1.990649 1.176793
[4,] 2.636954 3.384660
[5,] 1.852780 1.657643

> pheatmap(aa)  #绘制热图，如图一；热图的每一列对应数据的相应列，每一行对应数据的相应行，每个格子上的色块都是对数据中相应位置的数据的反映

> pheatmap(aa,cluster_rows = F,cluster_cols = F)  #绘制热图，但不进行聚类（按照颜色深浅进行排序），如图二；是否聚类可以通过参数设置，如果不设置则默认为行与行、列与列之间进行聚类

> pheatmap(aa,scale="row")  #将数据按行进行标准化，防止一个离群值的出现而掩盖了正常值的视图
> pheatmap(aa,scale="column")  #将数据按列进行标准化

pheatmap(aa,color=colorRampPalette(c("red","white","blue"))(50))

![图一.png](https://upload###本身是一个R包，即pheatmap，同时也是一个热图绘制函数（包含在这个R包中）

• 输入的数据类型可以是矩阵或数据框（所用元素必须是数值类型）

> aa <- rnorm(10)
> aa
 [1]  0.9776812 -1.0920903  0.4549197 -0.8919608 -1.1659368  1.4973326 -0.1212030  1.2195271 -0.8531547 -1.7511741
> dim(aa) <- c(5,2)
> aa
           [,1]       [,2]
[1,]  0.9776812  1.4973326
[2,] -1.0920903 -0.1212030
[3,]  0.4549197  1.2195271
[4,] -0.8919608 -0.8531547
[5,] -1.1659368 -1.7511741

> bb <- rnorm(10)+2
> bb
 [1] 2.761983 1.537864 1.990649 2.636954 1.852780 2.688776 1.658533 1.176793 3.384660 1.657643
> dim(bb) <- c(5,2)
> bb
         [,1]     [,2]
[1,] 2.761983 2.688776
[2,] 1.537864 1.658533
[3,] 1.990649 1.176793
[4,] 2.636954 3.384660
[5,] 1.852780 1.657643

> pheatmap(aa)  #绘制热图，如图一；热图的每一列对应数据的相应列，每一行对应数据的相应行，每个格子上的色块都是对数据中相应位置的数据的反映

> pheatmap(aa,cluster_rows = F,cluster_cols = F)  #绘制热图，但不进行聚类（按照颜色深浅进行排序），如图二；是否聚类可以通过参数设置，如果不设置则默认为行与行、列与列之间进行聚类

> pheatmap(aa,scale="row")  #将数据按行进行标准化，防止一个离群值的出现而掩盖了正常值的视图
> pheatmap(aa,scale="column")  #将数据按列进行标准化

> pheatmap(aa,legend=F)  #选择不绘制图例

图一.png
图二.png

对热图进行颜色的修改

• 基本语法
• pheatmap(aa,color=) ,颜色用向量来给出

> pheatmap(aa,color=c("red","white","blue"))  #用简单的三色来标记热图，但这样只会出现三个颜色，在视图上会漏掉很多信息
> colorRampPalette(c("red","white","blue"))(200)  #把颜色按红白蓝的顺序等分成200份，使用这样的颜色画图能使视图保留原始数据的信息
> pheatmap(aa,color=colorRampPalette(c("red","white","blue"))(50))  #对热图进行颜色的修改

修改图像大小和标题

pheatmap(aa,cellwidth = 15*2, cellheight = 12*2, main = "Example heatmap")  #修改每个色块的大小，给图像加标题

给图像的列或行进行分组（标记）

• 基本语法
  pheatmap(aa,annotation_col=,annotation_row=)
• annotation_col= : 应该是一个数据框，数据框的行名是必须的，且是此数据对应全部列名，列数据应该是各行名对应分组（标记），此分组（标记）可以不止一个，则分组（标记）也是同时多个

• annotation_col= : 应该是一个数据框，数据框的行名是必须的，且是此数据对应全部行名，列数据应该是各行名对应分组（标记），此分组（标记）可以不止一个，则分组（标记）也是同时多个

  
  分组（标记）.png

给分组选定颜色

• 基本语法

> an_cols <- list(group1=vector1,group2=vector2,group3=vector3)
> pheatmap(aa,annotation_col=,annotation_row=,annotation_colors=an_cols)

• 如果只有一个分组，则颜色用向量表示；如果有多个分组，颜色用列表表示
• 如果是用数值型数据进行的分组，则可以直接用c("red","blue")的方式来定义颜色，程序会自动根据此组的大小对颜色进行分割
• 如果是用字符型数据进行的分组，则颜色向量的长度必须和此组的大小相同

#对分组进行颜色标定
> ann_colors = list(Time = c("white", "firebrick"),CellType = c("blue","red"),GeneClass = c(Path1 = "#7570B3", Path2 = "#E7298A", Path3 = "#66A61E"))

> pheatmap(test, annotation_col = annotation_col, annotation_row = annotation_row, annotation_colors = ann_colors)

对分组进行颜色标定.png

把整个图像进行按行按列分割

• 基本语法
  pheatmap(aa,gaps_row=,cutree=)
• gaps_row= : 正整数数值向量，数字代表在哪行之后添加分隔线（gap），使用此参数时行的聚类必须是FALSE，否则此参数被忽略
• gaps_col= : 正整数数值向量，数字代表在哪列之后添加分隔线（gap），使用此参数时列的聚类必须是FALSE，否则此参数被忽略

> pheatmap(test, annotation_col = annotation_col, cluster_rows = F,cluster_cols = F, gaps_row = c(10, 14), gaps_col = c(2,5))

把整个图像进行按行按列分割.png

根据聚类情况在行或列中添加分割线（gap）

• 基本语法
  pheatmap(aa,cutree_row=,cutree_col=)
• cutree_row / cutree_col : 应该填入正整数，表示所有的行或列按照聚类情况被划分成的图块的个数；对行进行操作则行必须是聚类的；对列进行操作则列必须是聚类的

pheatmap(test, annotation_col = annotation_col, cutree_rows = 2 ,cutree_col = 3)

根据聚类情况在行或列中添加分割线.png

修改或去除横纵坐标的标记

• 基本语法
• pheatmap(aa,labels_row=,labels_col=)
• labels_row= : 应该是一个重新标记行名的字符串类型向量，元素位置与图中位置对应；如果将某行的标记去除，则在此位置的元素应该是 " "（双引号，中间没有内容）
• labels_col= : 应该是一个重新标记列名的字符串类型向量，元素位置与图中位置对应；如果将某列的标记去除，则在此位置的元素应该是 " "（双引号，中间没有内容）

labels_row = c("", "", "", "", "", "", "", "", "ll50", "", "", "", "", "", "", "", "", "Il10", "Il15", "Il1b")
pheatmap(test, annotation_col = annotation_col, labels_row = labels_row)

修改或去除横纵坐标的标记.png

2. 对行或列进行聚类，并提取聚类结果

https://www.omicsclass.com/article/508
https://zhuanlan.zhihu.com/p/134653530

重要函数：cutree()

kk <- matrix(rnorm(1:100), nrow = 10)
rownames(kk) <- paste("AA", 1:10, sep = "_")
colnames(kk) <- paste("BB", 1:10, sep = "_")
kk  '#示例一

pp <- pheatmap(kk, cutree_rows = 3)
pp  #示例二

row_cluster <- cutree(pp$tree_row, k=3)
row_cluster  #示例三

order_new <- kk[pp$tree_row$order,]
order_new <- as.data.frame(order_new)
order_new  #示例四

order_new[["cluster"]] <- as.factor(row_cluster[match(rownames(order_new), names(row_cluster))])
order_new  #示例五，每一行所处的cluster信息存放在名为cluster的列中

示例一 示例二 示例三 示例四 示例五