热图因其丰富的色彩变化和生动饱满的信息表达被广泛应用于各大数据分析场景。

• 数据准备

library(RColorBrewer)
library(gplots)

使用R自带的数据集mtcars
首先对数据进行归一化、矩阵化并作图

x<-as.matrix(scale(mtcars))
heatmap(x,scale = "none",col=topo.colors(100)) #x:数据矩阵 scale:表示不同方向，可选值：row,columa,none

自定义三个颜色

col<-colorRampPalette(c("red","whITe","blue"))(256)
heatmap(x,scale = "none",col=col)

自定义调色板

library(RColorBrewer)
mycol<-colorRampPalette(brewer.pal(8,"PiYG"))(256)
dim(x)#确定数据集x的维度，绘行列注释图颜色时会用到。
heatmap(x,scale = "none",col=mycol,RowSideColors = rep(c("green3","pink"),each=16),
        ColSideColors = c(rep("pink",5),rep("green3",6)))

参数RowSideColors和ColSideColors用于分别注释行和列颜色等。其他参数参考：?heatmap()

增强热图

library(gplots)
heatmap.2(x,scale = "none",col=bluered(100),trace = "none",density.info = "none")

其他参数参考：?heatmap.2()