ggplot 绘制热图
|
1
|
data <- c(1:6, 6:1, 6:1, 1:6, (6:1) /10 , (1:6) /10 , (1:6) /10 , (6:1) /10 , 1:6, 6:1, 6:1, 1:6, 6:1, 1:6, 1:6, 6:1)
|
[1] 1.0 2.0 3.0 4.0 5.0 6.0 6.0 5.0 4.0 3.0 2.0 1.0 6.0 5.0
[15] 4.0 3.0 2.0 1.0 1.0 2.0 3.0 4.0 5.0 6.0 0.6 0.5 0.4 0.3
[29] 0.2 0.1 0.1 0.2 0.3 0.4 0.5 0.6 0.1 0.2 0.3 0.4 0.5 0.6
[43] 0.6 0.5 0.4 0.3 0.2 0.1 1.0 2.0 3.0 4.0 5.0 6.0 6.0 5.0
[57] 4.0 3.0 2.0 1.0 6.0 5.0 4.0 3.0 2.0 1.0 1.0 2.0 3.0 4.0
[71] 5.0 6.0 6.0 5.0 4.0 3.0 2.0 1.0 1.0 2.0 3.0 4.0 5.0 6.0
[85] 1.0 2.0 3.0 4.0 5.0 6.0 6.0 5.0 4.0 3.0 2.0 1.0
|
1
2
3
4
|
> 1:3+4
[1] 5 6 7
> 1:(3+4)
[1] 1 2 3 4 5 6 7
|
|
1
2
3
4
5
|
# ncol 指定列数
# byrow 先按行填充数据
# ?matrix 可查看函数的使用方法
# as.data.frame的as系列是转换用的
data <- as.data.frame ( matrix (data, ncol=12, byrow=T))
|
|
1
2
3
4
5
6
|
# 增加列的名字
colnames (data) <- c ( "Zygote" , "2_cell" , "4_cell" , "8_cell" , "Morula" , "ICM" , "ESC" , "4 week PGC" , "7 week PGC" , "10 week PGC" , "17 week PGC" , "OOcyte" )
# 增加行的名字
rownames (data) <- paste ( "Gene" , 1:8, sep= "_" )
# 只显示前6行和前4列
head (data)[,1:4]
|
- 读入字符串
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
# 使用字符串的好处是不需要额外提供文件
# 简单测试时可使用，写起来不繁琐，又方便重复
# 尤其适用于在线提问时作为测试案例
> txt <- "ID;Zygote;2_cell;4_cell;8_cell
+ Gene_1;1;2;3;4
+ Gene_2;6;5;4;5
+ Gene_3;0.6;0.5;0.4;0.4"
# 习惯设置quote为空，避免部分基因名字或注释中存在引号，导致读入文件错误。
> data2 <- read.table (text=txt, sep= ";" , header=T, row.names=1, quote= "" )
> head (data2)
Zygote X2_cell X4_cell X8_cell
Gene_1 1.0 2.0 3.0 4.0
Gene_2 6.0 5.0 4.0 5.0
Gene_3 0.6 0.5 0.4 0.4
|
|
1
2
3
4
5
6
7
8
|
# 读入时，增加一个参数`check.names=F`也可以解决问题。
# 这次数字前没有再加 X 了
> data2 <- read.table (text=txt, sep= ";" , header=T, row.names=1, quote= "" , check.names = F)
> head (data2)
Zygote 2_cell 4_cell 8_cell
Gene_1 1.0 2.0 3.0 4.0
Gene_2 6.0 5.0 4.0 5.0
Gene_3 0.6 0.5 0.4 0.4
|
- 读入文件
|
1
|
> data2 <- read.table ( "filename" , sep= ";" , header=T, row.names=1, quote= "" )
|
|
1
2
3
4
5
6
7
8
9
10
11
12
|
# 如果包没有安装，运行下面一句，安装包
#install.packages(c("reshape2","ggplot2","magrittr"))
library (reshape2)
library (ggplot2)
# 转换前，先增加一列ID列，保存行名字
data$ID <- rownames (data)
# melt：把正常矩阵转换为长表格模式的函数。工作原理是把全部的非id列的数值列转为1列，命名为value；所有字符列转为variable列。
# id.vars 列用于指定哪些列为id列；这些列不会被merge，会保留为完整一列。
data_m <- melt (data, id.vars= c ( "ID" ))
head (data_m)
|
ID variable value1 Gene_1 Zygote 1.02 Gene_2 Zygote 6.03 Gene_3 Zygote 0.64 Gene_4 Zygote 0.15 Gene_5 Zygote 1.06 Gene_6 Zygote 6.07 Gene_7 Zygote 6.08 Gene_8 Zygote 1.09 Gene_1 2_cell 2.010 Gene_2 2_cell 5.011 Gene_3 2_cell 0.512 Gene_4 2_cell 0.213 Gene_5 2_cell 2.014 Gene_6 2_cell 5.015 Gene_7 2_cell 5.016 Gene_8 2_cell 2.0
|
1
2
3
4
5
6
7
8
9
10
11
12
|
# data_m: 是前面费了九牛二虎之力得到的数据表
# aes: aesthetic的缩写，一般指定整体的X轴、Y轴、颜色、形状、大小等
# 在最开始读入数据时，一般只指定x和y，其它后续指定
p <- ggplot(data_m, aes(x=variable,y=ID))
# 热图就是一堆方块根据其值赋予不同的颜色，所以这里使用fill=value, 用数值做填充色。
p <- p + geom_tile(aes(fill=value))
# ggplot2为图层绘制，一层层添加，存储在p中，在输出p的内容时才会出图。
p
## 如果你没有使用Rstudio或其它R图形版工具，而是在远程登录的服务器上运行的交互式R，需要输入下面的语句，获得输出图形（图形存储于R的工作目录下的Rplots.pdf文件中）
|
|
1
2
3
4
5
6
|
# theme: 是处理图美观的一个函数，可以调整横纵轴label的选择、图例的位置等
# 这里选择X轴标签45度。
# hjust和vjust调整标签的相对位置，具体见
# 简单说，hjust是水平的对齐方式，0为左，1为右，0.5居中，0-1之间可以取任意值。vjust是垂直对齐方式，0底对齐，1为顶对齐，0.5居中，0-1之间可以取任意值
p <- p + theme(axis.text.x=element_text(angle=45, hjust=1, vjust=1))
p
|
|
1
2
3
4
|
# 连续的数字，指定最小数值代表的颜色和最大数值赋予的颜色
# 注意fill和color的区别，fill是填充，color只针对边缘
p <- p + scale_fill_gradient(low = "white" , high = "red" )
p
|
|
1
2
|
# postion可以接受的值有 top, bottom, left, right, 和一个坐标 c(0.05,0.8) (左上角，坐标是相对于图的左下角计算的）
p <- p + theme(legend.position= "top" )
|
|
1
2
|
p <- p + xlab( "samples" ) + theme_bw() + theme(panel.grid.major = element_blank()) + theme(legend.key=element_blank())
p
|
|
1
|
p <- ggplot(data_m, aes(x=variable,y=ID)) + xlab( "samples" ) + theme_bw() + 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_gradient(low = "white" , high = "red" )
|
|
1
2
3
|
# 可以跟输出文件不同的后缀，以获得不同的输出格式
# colormode支持srgb （屏幕）和cmyk （打印，部分杂志需要，看上去有点褪色的感觉）格式
ggsave(p, filename= "heatmap.pdf" , width=10, height=15, units =c( "cm" ),colormodel= "srgb" )
|
转载于:https://www.cnblogs.com/xiaofeiIDO/p/8337912.html
ggplot 绘制热图相关推荐
- R统计绘图-corrplot绘制热图及颜色、字体等细节修改1
有师妹想要更改热图的颜色和字体,想着之前相关性绘图等推文只是使用corrplot默认的颜色绘图,为了帮师妹解惑,今天就写一篇,怎么设置热图颜色和字体等细节到推文.其实看一遍R语言实战|入门3:图形初阶 ...
- Python生物信息学⑥绘制热图及火山图
Python生物信息学⑥绘制热图及火山图 Python生物信息学③提取差异基因 通过上Python生物信息学③提取差异基因得到了该数据集的差异分析的两个关键参数,1.差异倍数(foldchange)以 ...
- ComplexHeatmap绘制热图（一）
讲起热图,大家都会比较熟悉,绘制热图方式比较多,这里介绍的是ComplexHeatmap包绘制热图,首先配置数据,这里的自动生成一个10X10的矩阵 data=matrix(rnorm(100),nr ...
- python科赫曲线绘制正方形_Python数据处理从零开始----第四章（可视化）（14）使用seaborn绘制热图...
目录 Python数据处理从零开始----第四章(可视化)①③多变量绘图 Python数据处理从零开始----第四章(可视化)(14)使用seaborn绘制热图 seaborn.heatmapHeat ...
- ComplexHeatmap |理解绘图逻辑绘制热图
作者:严涛 浙江大学作物遗传育种在读研究生(生物信息学方向)伪码农,R语言爱好者,爱开源. 之前热图三部曲介绍了使用ggplot2和pheatmp绘制热图 R语言学习 - 热图绘制 (heatmap) ...
- python数据挖掘学习】十五.Matplotlib调用imshow()函数绘制热图
python数据挖掘学习]十五.Matplotlib调用imshow()函数绘制热图 #2018-03-28 14:47:19 March Wednesday the 13 week, the 087 ...
- 使用seaborn绘制热图
欢迎关注"生信修炼手册"! 除了统计图表外,seaborn也可以绘制热图,而且支持聚类树的绘制,绘制热图有以下两个函数 1. heatmap, 绘制普通的热图 2. cluster ...
- ggplot绘制小提琴图
我们既往已经讲过使用ggplot绘制箱型图,今天我们来聊聊ggplot绘制小提琴图,小提琴图在SCI论文中非常常见,特别是基因类的文章. 小提琴图其实可以算是箱型图的变种(等于:箱型图+核密度图),箱 ...
- r语言中which的使用_R语言绘图 | 使用pheatmap快速绘制热图
欢迎关注微信公众号"生信小王子"! 热图是我们展示数据时常用的图形,今天小编教大家使用"pheatmap" 快速绘制热图. 首先,我们需要准备输入文件.比如,我 ...
最新文章
- .Net 4.0 (2)
- 写一个“特殊”的查询构造器 - (四、条件查询：复杂条件)
- Nagios3完整配置文档
- （48）Verilog HDL UART发送设计
- VMware VCSA6.0的部署及升级到6.5
- Python第三方库使用 —— PIL
- 在linux系统中创建文件夹,Linux系统中创建文件夹命令详解
- iredmail邮箱使用
- JavaScript随机生成信用卡卡号的方法
- 不是吧！做了3年Android还没看过OkHttp源码？好吧，带你彻底理解一波！
- 禅道开源版16.2，解决LDAP插件无法使用的问题
- Spark与大数据处理技术实践
- 力扣739：每日温度【C++】
- 解决苹果无线鼠标、键盘或触控板无法被 Mac 识别的方法
- 32位汇编语言学习笔记(43)-- 生成随机数
- [Linux] emacs简介
- 计算机net是什么意思翻译,net是什么意思_net翻译_读音_用法_翻译
- 艾永亮：超级产品战略实现企业超级增长，五个案例给出最佳答案！
- MATLAB实现CRC校验码的计算
- 物联网无线短距离ZigBee技术详解