共计 3416 个字符，预计需要花费 9 分钟才能阅读完成。
ggplot2 是一款弱小的绘图 R 包，明天的笔记内容是学习应用 ggplot2 来绘制一幅热图，并进行丑化调整。须要加载的包有两个：ggplot2、reshape2。
如果你也想跟着笔记一起学习，请拜访链接下载脚本：https://down.jewin.love/?f=/Rscript/
拜访下面的网址即可下载应用，也能够间接在 Rstudio 中运行上面这一句代码，则会主动在当前工作门路下生成 11 副 PDF 图片后果，稍加批改输出数据就能生成其余的热图。
source("https://down.jewin.love/?f=/Rscript/heatmap.R")接下来利用示例数据进行简略的流程介绍：
如何绘制一幅热图？
后期筹备与数据创立
首先，须要装置并加载这两个 R 包。
install.packages("ggplot2")
install.packages("reshape2")
library(ggplot2)
library(reshape2)创立示例数据，并输入数据查看是否失常。
> 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)
> data #查看以后数据
[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 4.0 3.0 2.0 1.0 1.0 2.0 3.0 4.0
[23] 5.0 6.0 0.6 0.5 0.4 0.3 0.2 0.1 0.1 0.2 0.3 0.4 0.5 0.6 0.1 0.2 0.3 0.4 0.5 0.6 0.6 0.5
[45] 0.4 0.3 0.2 0.1 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 4.0 3.0 2.0 1.0
[67] 1.0 2.0 3.0 4.0 5.0 6.0 6.0 5.0 4.0 3.0 2.0 1.0 1.0 2.0 3.0 4.0 5.0 6.0 1.0 2.0 3.0 4.0
[89] 5.0 6.0 6.0 5.0 4.0 3.0 2.0 1.0将输出的 data 数据转化成数据框格局，并更改列名和行名，查看前五行数据察看是否失常。
> data <- as.data.frame(matrix(data,ncol = 12,byrow = T)) #转化成数据框
> 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")
> rownames(data) <- paste("Gene",1:8,sep ="_")
> head(data,5) #输入前五行
Zygote 2_cell 4_cell 8_cell Morula ICM ESC 4 week PGC 7 week PGC 10 week PGC
Gene_1 1.0 2.0 3.0 4.0 5.0 6.0 6.0 5.0 4.0 3.0
Gene_2 6.0 5.0 4.0 3.0 2.0 1.0 1.0 2.0 3.0 4.0
Gene_3 0.6 0.5 0.4 0.3 0.2 0.1 0.1 0.2 0.3 0.4
Gene_4 0.1 0.2 0.3 0.4 0.5 0.6 0.6 0.5 0.4 0.3
Gene_5 1.0 2.0 3.0 4.0 5.0 6.0 6.0 5.0 4.0 3.0新建一列命名为 id，内容为每行数据的行名，这样做的目标是为了后续将数据用 melt 函数转化为长类型（每一行的 value 数值变量只有一项，作图所需数据格式），查看数据前 5 行进行察看。
> data$id <- rownames(data) #新建一列（ID），内容为数据的行名
> data_m <- melt(data,id.vars=c("id")) #将原来的数据转化成长数据格式，并以 ID 列为主因素
> head(data_m,5) #查看转换后的后果，该数据将用于后续的流程
id variable value
1 Gene_1 Zygote 1.0
2 Gene_2 Zygote 6.0
3 Gene_3 Zygote 0.6
4 Gene_4 Zygote 0.1
5 Gene_5 Zygote 1.0开始绘图
利用 ggplot 函数绘制热图，步骤：先初始化坐标轴 （x=，y=） 而后设置填充类型和填充数据，在绘图函数后用 + 连贯主题批改函数，能够在一直地润饰丑化图片。
p <- ggplot(data_m,aes(x=variable,y=id)) #初始化，读入数据，设置 x 轴和 y 轴
p <- p + geom_tile(aes(fill=value))
#设置填充项为 value 值，绘制热图
p #查看生成的后果 plot，在屏幕右下角处 plot 显示保留图片
利用 ggsave 函数来保留生成的图片后果，这里演示将 p 保留到当前目录下，命名为my plot 1 .pdf，之后能够在相应目录下找到这张照片，无损矢量图不便批改。
ggsave(p,filename = "my plot 1.pdf",width = 10,
height = 15,units = "cm",colormodel="srgb")
#保留以后文件，生成的文件在当前工作目录下保留刚刚那张图横轴的标签有的重叠到一起了，这样不好。那么如何对生成的热图进行后续调整呢？
丑化热图
tips: 切换显示主题与色彩
theme函数用于设置主题 axis.text.x示意 x 轴标签文本 element_text用来更改文本的角度（angle）、地位（hjust、vjust）scale_fill_gradient示意用双色梯度形式填充显示。
p <- p + theme(axis.text.x = element_text(angle = 45,hjust = 1,vjust = 1)) #设置标签的显示方式
p <- p + scale_fill_gradient(low="white",high = "red") #设置填充色彩
p #查看后果切换显示类型与数据展现形式
比方，我想在热图中同时展现两种色彩填充和数值，须要在下面的代码根底上略加修改，增加新的绘图参数。
p <- ggplot(data_m, #输出文件
aes(x=variable,y=id)) + #初始化坐标轴
xlab("samples") + #x 轴标签
theme_bw() + #设置零碎自带主题
theme(panel.grid.major = element_blank()) + #设置主项网格
theme(legend.key=element_blank()) + #去掉背景色彩
theme(axis.text.x=element_text(angle=45,hjust=1, vjust=1)) + #设置坐标轴标签
theme(legend.position="top") + #设置图例的地位
geom_tile(aes(fill=value)) + #设置填充的值
scale_fill_gradient(low = "white", high = "red") + #设置色彩梯度
geom_point(aes(color=value), size=6) + #设置点的色彩和大小
geom_text(aes(label=value)) #设置文本显示数值
p #输入图片试一试：从新更换一种主题款式, 将红色填充去掉，并改为蓝色圆点加数值显示。
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_point(aes(color= value),size=6) +
scale_color_gradient(low = "white",high = "blue") +
geom_text(aes(label=value))
p本节笔记到这里完结，感激你的浏览，如果感觉有用欢送转发分享，今天持续分享绘制热图过程中遇到数据的差别比拟大时解决办法，对原始数据进行转化的技巧和利用。
参考援用：http://www.ehbio.com/Bioinfo_…
本文由 mdnice 多平台公布
