pheatmap绘制热力图

(1)坐标轴顺序

pheatmap包在绘制热力图时，行名不与data的行名一致，如何保留原始data的行名，控制参数，

cluster_rows=F, cluster_cols=F.

（2）调色板函数

①colorRamp {grDevices}函数

创建颜色梯度，1000表示离散成一千格。要显示的数据就可以插值对应1000种颜色中的某一种。

colorRampPalette(c("grey90", "red", "darkred"))(1000)

·bias参数越小，上层的颜色占的范围就越大。比较下列两组颜色。

bias=1（默认）

bias=0.5

require(graphics)
YlOrBr <- c("#FFFFD4", "#FED98E", "#FE9929", "#D95F0E", "#993404")#区间调色板，类似MATLAB
filled.contour(volcano,color.palette = colorRampPalette(YlOrBr, space = "Lab"),asp = 1)
filled.contour(volcano,color.palette = colorRampPalette(YlOrBr, space = "Lab",bias = 0.5),asp = 1)

②brewer.pal{GiNA}

library("RColorBrewer")
color=brewer.pal(8,"Pastel2")
color=brewer.pal(50, "Blues")

（3）可视化辅助

如果数据的分布头重脚轻，偏态严重，如少数极大值和大量小值组成的数据，可视化颜色区分效果就很差。sacle参数可能不适合不同组间的整体比较，受到限制。介绍几种可视化辅助方法。

①数据转换，如log10()转换。

pheatmap(log10(data))

②将颜色栏进行处理，如（2）中bias参数的修改。这里介绍一种分位数颜色栏，代替均匀颜色栏。原理如下图，

代码

quantile_breaks <- function(xs, n = 10) {breaks <- quantile(xs, probs = seq(0, 1, length.out = n))breaks[!duplicated(breaks)]}mat_breaks <- quantile_breaks(mat, n = 11)
pheatmap(mat               = mat,color             = inferno(length(mat_breaks) - 1),breaks            = mat_breaks,border_color      = NA,show_colnames     = FALSE,show_rownames     = FALSE,annotation_col    = mat_col,annotation_colors = mat_colors,drop_levels       = TRUE,fontsize          = 14,main              = "Quantile Color Scale")

代码中的inferno函数来自viridis包，类似的还有viridis，viridis, inferno, magma, plasma, cividis。是有助色盲用户识别的颜色模块。
有兴趣的读者可以尝试quantile_breaks （）求log10(xs),再带回。

③修改原始数据

对于极个别异常大或者小的数据，我们将其遮蔽，并将legend进行修改，如上图最右侧图。

legend_breaks = c(-2,1,2,3,4,6), legend_labels = c("<-2", "1e-4", "1e-3", "1e-2", "1e-1", ">6"))

（4）拓展

见参考文献【6】

参考文献

【1】坐标轴顺序
【2】https://www.cnblogs.com/xudongliang/p/6932195.html
【3】RGB配色表
【4】如何使颜色均匀
【5】源码上处理颜色栏
【6】利用ggsci