R语言绘制聚类热图

聚类热图是一种直观的数据可视化工具。它以矩形彩色图表的形式呈现数据矩阵，每个单元格颜色对应特定数值，通常从低值的冷色调到高值的暖色调渐变。常应用于多个领域，如生物学中分析基因表达、蛋白质相互作用和生物群落；金融领域用于股票价格变化分析和风险评估；地理信息领域展示人口密度、气候数据等。还可用于网页设计分析用户行为及物流供应链管理。热图常结合层次聚类，以树状图展示行和列的聚类结果，便于发现相似模式。它能快速呈现复杂数据的结构和模式，帮助人们发现潜在规律和关系。

0x01 使用heatmap()函数

一、函数用法及参数说明

heatmap(x)

• 1 主要输入数据参数
  • x：要绘制热图的数值矩阵。
• 2 树状图和排序参数
  • 2.1 Rowv：确定是否以及如何计算和重新排序行树状图。可以是树状图、用于重新排序行树状图的向量、NA（表示不显示行树状图且不进行重新排序）或默认值NULL。
  • 2.2 Colv：确定是否以及如何对列树状图进行重新排序。具有与Rowv参数相同的选项，并且当x是方阵时，Colv = "Rowv"表示列应与行相同处理。
• 3 距离和聚类函数参数
  • 3.1 distfun：用于计算行和列之间距离（不相似性）的函数，默认为dist。
  • 3.2 hclustfun：用于在Rowv或Colv不是树状图时计算层次聚类的函数，默认为hclust。
• 4 重新排序函数参数
  • reorderfun：函数function(d, w)，用于重新排序行和列树状图，默认使用reorder.dendrogram。
• 5 表达式和对称参数
  • 5.1 add.expr：在调用image之后要评估的表达式，可用于向绘图添加组件。
  • 5.2 symm：逻辑值，指示是否对称地处理x，仅当x是方阵时可以为TRUE。
  • 5.3 revC：逻辑值，指示是否应反转列顺序进行绘图，例如在对称情况下，对称轴与通常情况相同。
• 6 标准化参数
  • scale：字符值，指示是否在行方向或列方向上对数值进行中心化和缩放，或不进行缩放，可选值为 “row”、“column” 和 “none”。默认值在symm为FALSE时是 “row”，否则是 “none”。
• 7 缺失值处理和边距参数
  • 7.1 na.rm：逻辑值，指示是否应删除NA值。
  • 7.2 margins：长度为 2 的数值向量，分别包含列和行名称的边距。
• 8 颜色侧边栏参数
  • 8.1 ColSideColors：可选的长度为ncol(x)的字符向量，包含用于水平侧边栏的颜色名称，可用于注释x的列。
  • 8.2 RowSideColors：可选的长度为nrow(x)的字符向量，包含用于垂直侧边栏的颜色名称，可用于注释x的行。
• 9 字体大小和标签参数
  • 9.1 cexRow和cexCol：正数，用于在行或列轴标签中作为cex.axis。目前默认值仅分别使用行数或列数。
  • 9.2 labRow和labCol：用于行和列标签的字符向量，默认分别为rownames(x)和colnames(x)。
• 10 标题和保留树状图参数
  • 10.1 main、xlab、ylab：主标题、x 轴和 y 轴标题，默认为无。
  • 10.2 keep.dendro：逻辑值，指示是否应将树状图保留为结果的一部分（当Rowv和 / 或Colv不为NA时）。
• 11 其他参数
  • verbose：逻辑值，指示是否应打印信息。

二、绘制基本的聚类热图

# # 创建一个 5 行的矩阵，元素是来自标准正态分布的随机数
mat <- matrix(rnorm(25), nrow = 5)
# 使用 heatmap 函数绘制热图
# mat 是要绘制的矩阵数据
heatmap(mat)

三、调整和美化

# 创建一个 5 行的矩阵，元素是来自标准正态分布的随机数
mat <- matrix(rnorm(25), nrow = 5)

# 定义一个颜色函数，使用颜色 "blue"、"white" 和 "red" 创建一个颜色渐变调色板
my_colors <- colorRampPalette(c("blue", "white", "red"))

# 为列侧边生成颜色向量，长度与矩阵的列数相同
col_side_colors <- my_colors(ncol(mat))

# 为行侧边生成颜色向量，长度与矩阵的行数相同
row_side_colors <- my_colors(nrow(mat))

# 使用 heatmap 函数绘制热图
# mat 是要绘制的矩阵数据
# col = my_colors(100) 设置热图的颜色调色板，使用前面定义的颜色函数生成 100 种颜色
# ColSideColors = col_side_colors 为列添加侧边栏颜色
# RowSideColors = row_side_colors 为行添加侧边栏颜色
# Colv = NA 表示不进行列的聚类
# cexRow = 1 设置行标签的字体大小为 1
# cexCol = 1.2 设置列标签的字体大小为 1.2
heatmap(mat, col = my_colors(100), ColSideColors = col_side_colors, RowSideColors = row_side_colors, Colv = NA, cexRow = 1, cexCol = 1.2)

0x02 使用pheatmap包

一、参数说明

• 1 主要输入数据参数

  • mat：要绘制热图的数值矩阵。

• 2 颜色和断点参数

  • 2.1 color：用于热图的颜色向量。
  • 2.2 kmeans_k：若要在绘制热图前对行进行聚合，此为 kmeans 聚类的数量，若为NA则不对行进行聚合。
  • 2.3 breaks：覆盖矩阵值范围的数字序列，比颜色向量长一个元素，用于将值映射到颜色，若为NA则自动计算断点。

• 3 边框和单元格尺寸参数

  • 3.1 border_color：热图单元格边框的颜色，若为NA则不绘制边框。
  • 3.2 cellwidth：单个单元格的宽度（以点为单位），若为NA则取决于绘图窗口大小。
  • 3.3 cellheight：单个单元格的高度（以点为单位），若为NA则取决于绘图窗口大小。

• 4 标准化和聚类参数

  • 4.1 scale：指示是否在行或列方向上对数值进行中心化和缩放，可选值为 “row”（行方向）、“column”（列方向）和 “none”（不进行）。
  • 4.2 cluster_rows和cluster_cols：布尔值或层次聚类对象，决定是否对行和列进行聚类。
  • 4.3 clustering_distance_rows和clustering_distance_cols：用于聚类行和列的距离度量，可以是 “correlation”（皮尔逊相关系数）或其他dist函数支持的距离，若不是这些值则假定提供了距离矩阵。
  • 4.4 clustering_method：聚类方法，接受与hclust相同的值。
  • 4.5 clustering_callback：回调函数，用于修改聚类，接受两个参数：原始层次聚类对象和用于聚类的矩阵，必须返回一个层次聚类对象。
  • 4.6 cutree_rows和cutree_cols：基于层次聚类将行和列划分成的聚类数量。
  • 4.7 treeheight_row和treeheight_col：若行和列进行聚类，则为树的高度，默认值为 50 点。

• 5 图例和注释参数

  • 5.1 legend：逻辑值，决定是否绘制图例。
  • 5.2 legend_breaks：图例的断点向量。
  • 5.3 legend_labels：图例断点的标签向量。
  • 5.4 annotation_row和annotation_col：数据框，指定热图左侧和上方的注释，每行定义特定行或列的特征，通过相应的行名或列名与数据匹配。
  • 5.5 annotation：已弃用的参数，当前若annotation_col缺失，则设置annotation_col。
  • 5.6 annotation_colors：列表，用于手动指定注释轨道的颜色，可以只为部分特征定义颜色。
  • 5.7 annotation_legend：逻辑值，显示注释轨道的图例是否绘制。
  • 5.8 annotation_names_row和annotation_names_col：逻辑值，显示行和列注释轨道的名称是否绘制。
  • 5.9 drop_levels：逻辑值，决定是否显示未使用的级别在图例中。

• 6 标签和显示参数

  • 6.1 show_rownames和show_colnames：布尔值，指定是否显示行名和列名。
  • 6.2 main：绘图的标题。
  • 6.3 fontsize、fontsize_row和fontsize_col：字体大小。
  • 6.4 angle_col：列标签的角度，可以从几个预定义的选项中选择（0、45、90、270 和 315）。
  • 6.5 display_numbers：逻辑值，决定是否在单元格中打印数值，若为矩阵，则显示该矩阵的内容而不是原始值。
  • 6.6 number_format：数字显示的格式字符串（C 语言printf风格）。
  • 6.7 number_color：数字文本的颜色。
  • 6.8 fontsize_number：单元格中显示数字的字体大小。

• 7 间隙和自定义标签参数

  • 7.1 gaps_row和gaps_col：向量，用于在行和列中引入间隙，若行和列未聚类，则使用此参数，对于聚类的行和列，可以使用cutree_row和cutree_col引入间隙。
  • 7.2 labels_row和labels_col：自定义的行和列标签，用于替代行名和列名。

• 8 文件输出参数

  • 8.1 filename：保存图片的文件路径，文件类型由路径中的扩展名决定，支持的格式有png、pdf、tiff、bmp、jpeg。
  • 8.2 width和height：手动指定输出文件的宽度和高度（以英寸为单位）。
  • 8.3 silent：逻辑值，不绘制图形（在使用gtable输出时很有用）。

• 9 其他参数

  扫描二维码关注公众号，回复： 17519155 查看本文章
  • na_col：指定矩阵中NA单元格的颜色。

二、准备工作

# 安装 pheatmap 包，如果已经安装过可以省略这一步
install.packages("pheatmap")

# 加载 pheatmap 包以使用其函数
library(pheatmap)

#这里使用R语言内置数据mtcars作为演示，该数据提取自 1974 年的《Motor Trend》美国杂志，包含了 32 辆汽车（1973 - 1974 年车型）的燃油消耗以及汽车设计和性能的 10 个方面的数据。
# 将 mtcars 数据集转换为矩阵，并进行中心化和标准化处理
# as.matrix 将 mtcars 转换为矩阵形式，以便后续处理
# scale 函数对矩阵进行标准化，默认会进行中心化（减去均值）和除以标准差操作
data <- as.matrix(scale(mtcars))

# 定义一个颜色函数，使用颜色 "blue"、"white" 和 "red" 创建一个颜色渐变调色板
my_colors <- colorRampPalette(c("blue", "white", "red"))

三、绘制基本的聚类热图

使用pheatmap()函数绘制基本的热图。

# 使用 pheatmap 函数绘制热图
# data 是经过处理后的矩阵数据，将其作为输入绘制热图
# 此热图将展示 mtcars 数据集中各变量在标准化处理后的数值分布和关系
pheatmap(data)

四、调整和美化

# 使用 pheatmap 函数绘制热图
# data 是经过处理后的矩阵数据，作为热图的输入
# treeheight_row = 140 设置行聚类树的高度为 140
# treeheight_col = 11 设置列聚类树的高度为 11（由于关闭了列聚类，此参数也不生效）
# cluster_cols = FALSE 不进行列聚类，即热图的列不会进行聚类操作
# color = my_colors(1000) 使用自定义的颜色函数 my_colors 生成 1000 种颜色用于热图的颜色映射
# border_color = NA 不绘制热图单元格的边框
# fontsize = 10 设置热图的基本字体大小为 10
# fontsize_row = 8 设置热图中行名的字体大小为 8
# display_numbers = TRUE 在热图的单元格中显示数值
pheatmap(data,
         treeheight_row = 140,
         treeheight_col = 11,
         cluster_cols = FALSE,
         color = my_colors(1000),
         border_color = NA,
         fontsize = 10,
         fontsize_row = 8,
         display_numbers = TRUE)