一步一步学heatmap2函数.docx

一步一步学heatmap2函数.docx

《一步一步学heatmap2函数.docx》由会员分享，可在线阅读，更多相关《一步一步学heatmap2函数.docx（10页珍藏版）》请在冰点文库上搜索。

一步一步学heatmap2函数

一步一步学heatmap.2函数

数据如下：

library（gplots）

data（mtcars）

x<-as.matrix（mtcars）

rc<-rainbow（nrow（x）,start=0,end=.3）

cc<-rainbow（ncol（x）,start=0,end=.3）

X就是一个矩阵，里面是我们需要画热图的数据。

Rc是一个调色板，有32个颜色，渐进的

Cc也是一个调色板，有11个颜色，也是渐进的

首先画一个默认的图：

heatmap.2（x）

然后可以把聚类数可以去掉：

就是控制这个dendrogram参数

heatmap.2（x,dendrogram="none"）

然后我们控制一下聚类树

heatmap.2（x,dendrogram="row"）只显示行向量的聚类情况

heatmap.2（x,dendrogram="col"）只显示列向量的聚类情况

下面还是在调控聚类树，但是我没看懂跟上面的参数有啥子区别！

heatmap.2（x,keysize=2）##default-dendrogramplottedandreorderingdone.

heatmap.2（x,Rowv=FALSE,dendrogram="both"）##generatewarning!

heatmap.2（x,Rowv=NULL,dendrogram="both"）##generatewarning!

heatmap.2（x,Colv=FALSE,dendrogram="both"）##generatewarning!

接下来我们可以调控行列向量的label的字体大小方向

首先我们调控列向量，也就是x轴的label

heatmap.2（x,srtCol=NULL）

heatmap.2（x,srtCol=0,adjCol=c（0.5,1））

heatmap.2（x,srtCol=45,adjCol=c（1,1））

heatmap.2（x,srtCol=135,adjCol=c（1,0））

heatmap.2（x,srtCol=180,adjCol=c（0.5,0））

heatmap.2（x,srtCol=225,adjCol=c（0,0））##notveryuseful

heatmap.2（x,srtCol=270,adjCol=c（0,0.5））

heatmap.2（x,srtCol=315,adjCol=c（0,1））

heatmap.2（x,srtCol=360,adjCol=c（0.5,1））

然后我们调控一下行向量，也就是y轴的label

heatmap.2（x,srtRow=45,adjRow=c（0,1））

heatmap.2（x,srtRow=45,adjRow=c（0,1）,srtCol=45,adjCol=c（1,1））

heatmap.2（x,srtRow=45,adjRow=c（0,1）,srtCol=270,adjCol=c（0,0.5））

设置offsetRow/offsetCol可以把label跟热图隔开！

##ShoweffectofoffsetRow/offsetCol（onlyworkswhensrtRow/srtColis

##notalsopresent）

heatmap.2（x,offsetRow=0,offsetCol=0）

heatmap.2（x,offsetRow=1,offsetCol=1）

heatmap.2（x,offsetRow=2,offsetCol=2）

heatmap.2（x,offsetRow=-1,offsetCol=-1）

heatmap.2（x,srtRow=0,srtCol=90,offsetRow=0,offsetCol=0）

heatmap.2（x,srtRow=0,srtCol=90,offsetRow=1,offsetCol=1）

heatmap.2（x,srtRow=0,srtCol=90,offsetRow=2,offsetCol=2）

heatmap.2（x,srtRow=0,srtCol=90,offsetRow=-1,offsetCol=-1）

##Showeffectofz-scorescalingwithincolumns,blue-redcolorscale

##

hv<-heatmap.2（x,col=bluered,scale="column",tracecol="#303030"）

hv是一个热图对象！

！

！

>names（hv）可以看到hv对象里面有很多子对象

"rowInd""colInd""call""colMeans""colSDs""carpet""rowDendrogram""colDendrogram""breaks""col""vline""colorTable"

##Showthemappingofz-scorevaluestocolorbins

hv$colorTable

##Extracttherangeassociatedwithwhite

我们得到了热图的颜色的数值映射矩阵，接下来就可以进行一系列的操作~！

！

！

hv$colorTable[hv$colorTable[,"color"]=="#FFFFFF",]

首先得到了白色所对应的数值区间！

然后还可以通过一下命令，直接求出属于白色区间的那些数值。

whiteBin<-unlist（hv$colorTable[hv$colorTable[,"color"]=="#FFFFFF",1:

2]）

rbind（whiteBin[1]*hv$colSDs+hv$colMeans,

whiteBin[2]*hv$colSDs+hv$colMeans）

调整scale参数选择按照列还是行来进行数据的标准化

heatmap.2（x,col=bluered,scale="column",tracecol="#303030"）

heatmap.2（x,col=bluered,scale="row",tracecol="#303030"）

如果选择了标准化，那么还可以手工调整标准化的参数：

rowMeans,rowSDs

meanandstandarddeviationofeachrow:

onlypresentifscale="row"

colMeans,colSDs

meanandstandarddeviationofeachcolumn:

onlypresentifscale="column"

通过hclustfun参数来调整聚类方法

参考：

Cluster_Method<-c（"ward","single","complete","average","mcquitty","median","centroid"）

#R语言里面自带的hclust函数共有7种聚类方法

for（iin1:

length（Cluster_Method））{

#makeafunctiontoextracttheclustermethod

myclust<-function（x）{

hclust（x,method=Cluster_Method[i]）

}

#makeheatmapbyjpeg

jpeg（filename=paste（Cluster_Method[i],'.jpg'）,width=1024,height=728）

heatmap.2（as.matrix（Data_Top1k_Var）,

trace='none',

hclustfun=myclust,

labRow=NA,

ColSideColors=c（'black',grey（0.4）,'lightgrey'）[as.factor（CellLine_Anno$Type）],

xlab='CellLines',

ylab='Probes',

main=Cluster_Method[i],

col=greenred（64））

dev.off（）

}

这样就可以一下子把七种cluster的方法依次用到heatmap上面来。

而且通过对cluster树的比较，我们可以从中挑选出最好、最稳定到cluster方法，为后续分析打好基础！

对下面这个数据聚类：

require（graphics）

hc<-hclust（dist（USArrests）,"ave"）

plot（hc）

首先对一个数据框用dist函数处理得到一个dist对象！

Dist对象比较特殊，专门为hclust函数来画聚类树的！