科研绘图系列：R语言热图（heatmap）

科研绘图系列：R语言热图（heatmap）

引用

CSDN

1.

https://blog.csdn.net/H20230717/article/details/140512790

热图是一种常用的数据可视化工具，通过颜色的变化直观展示数据的分布和密度。本文将详细介绍如何使用R语言绘制热图，包括加载所需R包、导入数据、数据预处理以及绘制热图的具体步骤。

介绍

热图是一种数据可视化技术，通常用于展示数据的分布情况。它通过颜色的变化来表示数据的大小或密度，使得观察者能够直观地理解数据集中的模式和趋势。以下是热图的一些关键特点和应用场景：

• 数据分布：热图可以显示数据在不同区域的分布情况，比如在地图上显示不同地区的人口密度或温度分布。
• 数据密度：通过颜色的深浅变化，热图可以展示数据点的密集程度。颜色越深，表示该区域的数据点越多。
• 趋势识别：热图可以帮助识别数据随时间或其他变量变化的趋势。比如，通过热图可以观察到某个季节的气候变化。
• 相关性分析：在多变量数据中，热图可以用来展示不同变量之间的相关性。颜色的变化可以表示变量之间的相关程度。

加载R包

在开始绘制热图之前，需要加载一些必要的R包。这些包提供了数据处理和可视化所需的功能。

knitr::opts_chunk$set(message = FALSE, warning = FALSE)
library(tidyverse)
# devt

导入数据

接下来，需要导入要可视化的数据。这里假设数据存储在一个CSV文件中，使用read.csv函数可以轻松读取数据。

data <- read.csv("path/to/your/data.csv")

数据预处理

在绘制热图之前，通常需要对数据进行一些预处理，比如数据清洗、缺失值处理和数据标准化等。

# 数据清洗
data_clean <- data %>%
  drop_na() %>%
  mutate_all(funs(scale))

# 数据标准化
data_scaled <- scale(data_clean)

画图

使用ggplot2包可以方便地绘制热图。以下是一个基本的热图绘制示例：

library(ggplot2)

ggplot(data = melt(data_scaled), aes(x = Var1, y = Var2, fill = value)) +
  geom_tile() +
  scale_fill_gradient(low = "white", high = "red") +
  theme_minimal()

系统信息

为了确保代码的可重复性，可以记录当前的系统信息，包括R版本和所用包的版本。

sessionInfo()

Reference

• Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York.
• R Core Team (2021). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria.