一步一步学heatmap2函数Word下载.docx

一步一步学heatmap2函数Word下载.docx

《一步一步学heatmap2函数Word下载.docx》由会员分享，可在线阅读，更多相关《一步一步学heatmap2函数Word下载.docx（9页珍藏版）》请在冰豆网上搜索。

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

row"

）只显示行向量的聚类情况

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="

heatmap.2（x,Colv=FALSE,dendrogram="

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））##notveryusefulheatmap.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"

vline"

colorTable"

##Showthemappingofz-scorevaluestocolorbinshv$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[,"

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="

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="

colMeans,colSDs

meanandstandarddeviationofeachcolumn:

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！