快速实现是搜索帮助文档的首要目的,所以此处涉及实战的文章一概略去传统帮助文档的理论部分,直接上代码加注释!

本文将介绍R语言下利用ggplot2包制作heatmap的代码

-------------------------我是分割线-------------------------------

测试数据:

数据中的空白行、列用以分割heatmap,区别不同的数据处理,如不需要删除即可。

1、制作连续型

 #引入包
library(ggplot2)
library(reshape)
library(zoo) #载入windows下的字体
library(extrafont)
#loadfonts(device="win")
#查看字体库
#fonts() #读取数据
mydata <- read.csv("G:\\R\\test\\Book3.csv",sep=",",header=TRUE)
mydata #数据转换成 ‘rowname, columnname, value’这样形式的数据
mydata.m <- melt(mydata) ##设置图形样式
theme_change <- theme(
#设置xy轴字体样式、大小等 colour="grey50",
axis.text.x=element_text(family = "Arial",size=12, colour="black",angle = 0),
axis.text.y=element_text(family = "Arial",size=12, colour="black",face="italic"),
axis.title.x=element_text(family = "Arial",angle=0, face="plain", size=14),#font face ("plain", "italic", "bold", "bold.italic")
axis.title.y=element_text(family = "Arial",angle=270, face="plain", size=14),
axis.line = element_blank(),
axis.ticks = element_blank(),
#设置图例字体样式大小
#legend.text
#legend.title
#legend.position #the position of legends ("none", "left", "right", "bottom", "top", or two-element numeric vector)
#清空背景及xy轴样式
plot.background = element_blank(),
panel.grid.minor = element_blank(),
panel.grid.major = element_blank(),
panel.background = element_blank(),
panel.border = element_blank()
) ## 输出图形 #Arial
p <- ggplot(data = mydata.m, aes(x = variable, y = Name, fill = value)) +
geom_tile()+
#geom_tile(color="white", size=0.1) + #color="white", size=0.1设置栅格之间的分割线颜色及大小
theme_classic() + #去掉灰快
theme_change +
scale_x_discrete(limits=c("BS","X", "BS1","RS"),labels=c("BS","","BS","RS"))+#x轴排序及标注
scale_y_discrete(limits=c("B","C","NA1","Meth1", "Meth2","Meth3","Meth4","NA2","S","G","M"),labels=c("B","C","","Meth1", "Meth2","Meth3","Meth4","","S","G","M"))+ #y轴排序及标注
xlab('row name1') +
ylab('column name') + #更改行名和列名
scale_fill_gradient(na.value='#FFFFFF',low = 'green', high = 'red')+ #修改图例名字以及图中颜色
#scale_fill_gradient2('legend name', na.value='#FFFFFF',low = '#8856a7', high = '#636363', mid = '#ece7f2')+ #修改图例名字以及图中颜色
geom_text(aes(label=round(value,2)), family="Arial", angle=0, colour = "black",size=5)#显示每个栅格的数值及字体设置
p #legend的设置参见http://www.cookbook-r.com/Graphs/Legends_(ggplot2)/

输出效果图:

2、分级别显示

 #引入包
library(ggplot2)
library(reshape)
library(zoo) #载入windows下的字体
library(extrafont)
#loadfonts(device="win")
#查看字体库
#fonts() #读取数据
mydata <- read.csv("G:\\R\\test\\Book3.csv",sep=",",header=TRUE)
mydata #数据转换成 ‘rowname, columnname, value’这样形式的数据
mydata.m <- melt(mydata) #将现有的value值划分等级
quantile_range <- quantile(mydata.m$value, na.rm = TRUE, probs = seq(0, 1, 0.2)) #颜色模板
color_palette <- colorRampPalette(c("green", "red"))(length(quantile_range) - 1) #图例标签
label_text <- rollapply(round(quantile_range, 2), width = 2, by = 1, FUN = function(i) paste(i, collapse = " : ")) #将value值用1,2,3,4...等级代替(用以着色)
mod_mat <- matrix(findInterval(mydata.m$value, quantile_range, all.inside = TRUE)) ##设置图形样式
theme_change <- theme(
#设置xy轴字体样式、大小等 colour="grey50",
axis.text.x=element_text(family = "Arial",size=12, colour="black",angle = 0),
axis.text.y=element_text(family = "Arial",size=12, colour="black",face="italic"),
axis.title.x=element_text(family = "Arial",angle=0, face="plain", size=14),#font face ("plain", "italic", "bold", "bold.italic")
axis.title.y=element_text(family = "Arial",angle=270, face="plain", size=14),
axis.line = element_blank(),
axis.ticks = element_blank(),
#设置图例字体样式大小
#legend.text
#legend.title
#legend.position #the position of legends ("none", "left", "right", "bottom", "top", or two-element numeric vector)
#清空背景及xy轴样式
plot.background = element_blank(),
panel.grid.minor = element_blank(),
panel.grid.major = element_blank(),
panel.background = element_blank(),
panel.border = element_blank()
) ## 输出图形 #Arial
p <- ggplot(data = mydata.m, aes(mydata.m$variable, mydata.m$Name, fill=factor(melt(mod_mat)$value))) +
geom_tile()+
#geom_tile(color="white", size=0.1) + #color="white", size=0.1设置栅格之间的分割线颜色及大小
theme_classic() + #去掉灰快
theme_change +
scale_x_discrete(limits=c("BS","X", "BS1","RS"),labels=c("BS","","BS","RS"))+#x轴排序及标注
scale_y_discrete(limits=c("B","C","NA1","Meth1", "Meth2","Meth3","Meth4","NA2","S","G","M"),labels=c("B","C","","Meth1", "Meth2","Meth3","Meth4","","S","G","M"))+ #y轴排序及标注
xlab('row name1') +
ylab('column name') + #更改行名和列名
scale_fill_manual(values = color_palette, name = "Level", labels = label_text) +
#scale_fill_gradient(na.value='#FFFFFF',low = 'green', high = 'red')+ #修改图例名字以及图中颜色
#scale_fill_gradient2('legend name', na.value='#FFFFFF',low = '#8856a7', high = '#636363', mid = '#ece7f2')+ #修改图例名字以及图中颜色
geom_text(aes(label=round(value,2)), family="Arial", angle=0, colour = "black",size=5)#显示每个栅格的数值及字体设置
p #legend的设置参见http://www.cookbook-r.com/Graphs/Legends_(ggplot2)/

输出效果图:

--------------------------------我是分割线------------------------------------

转载请注明出处!

R实战之热点图(HeatMap)的更多相关文章

  1. javascript的 热点图怎么写

    在gis中,你如果用js来写热点图 不借助后台怎么搞,as的话比较容易有相应的类库甚至官方都有.而且用js不借助arcgis发布rest服务,(注:热点图可以借助服务的形式发布,arcgis for ...

  2. 《R实战》读书笔记一

    你仅仅要想处理数据,<R实战>这本书就能够助你一臂之力. <R实战>的目标是让你认识R,而且可以对数据进行操作.可视化和理解.该书包含4部分16个章节8个附录. 第一部分:入门 ...

  3. 用Excel制作热图(heatmap)的方法

    http://jingyan.baidu.com/article/64d05a0240ec75de55f73bd8.html 利用Excel 2010及以上版本的"条件格式"--& ...

  4. R实战 第三篇:数据处理(基础)

    数据结构用于存储数据,不同的数据结构对应不同的操作方法,对应不同的分析目的,应选择合适的数据结构.在处理数据时,为了便于检查数据对象,可以通过函数attributes(x)来查看数据对象的属性,str ...

  5. K8S(14)监控实战-grafana出图_alert告警

    k8s监控实战-grafana出图_alert告警 目录 k8s监控实战-grafana出图_alert告警 1 使用炫酷的grafana出图 1.1 部署grafana 1.1.1 准备镜像 1.1 ...

  6. R语言学习 - 热图绘制heatmap

    生成测试数据 绘图首先需要数据.通过生成一堆的向量,转换为矩阵,得到想要的数据. data <- c(1:6, 6:1, 6:1, 1:6, (6:1)/10, (1:6)/10, (1:6)/ ...

  7. R语言学习 - 热图简化

    绘制热图除了使用ggplot2,还可以有其它的包或函数,比如pheatmap::pheatmap (pheatmap包中的pheatmap函数).gplots::heatmap.2等.   相比于gg ...

  8. 基于HTML5实现3D热图Heatmap应用

    Heatmap热图通过众多数据点信息,汇聚成直观可视化颜色效果,热图已广泛被应用于气象预报.医疗成像.机房温度监控等行业,甚至应用于竞技体育领域的数据分析. http://www.hightopo.c ...

  9. R实战读书笔记四

    第三章 图形入门 本章概要 1 创建和保存图形 2 定义符号.线.颜色和坐标轴 3 文本标注 4 掌控图形维数 5 多幅图合在一起 本章所介绍内容概括例如以下. 一图胜千字,人们从视觉层更易获取和理解 ...

随机推荐

  1. ngrok访问外网

    1. 外网映射工具介绍 windows用户: 1,下载windows版本的客户端,解压到你喜欢的目录2,在命令行下进入到path/to/windows_386/下3,执行 ngrok -config= ...

  2. BizTalk开发系列(二十五) SQL Adapter

    SQL Server 是.NET开发的首选数据库.当然开发BizTalk应用程序很多也离不了SQL Server.针对SQL Server的数据操作BizTalk 提供了SQL Adapter作为与数 ...

  3. BizTalk开发系列(九) MAP的连接方法

    BizTalk中的Map编辑器可以在源架构和目标架构创建连接.有三种创建连接的方式: 1.普通的连接方式,将左边的记录拖到右边. 2.根据结构自动连接,点击MAP的网格,在属性中选择结构(Struct ...

  4. rados命令

    chen@admin-node:/etc/ceph$ rados --help usage: rados [options] [commands] POOL COMMANDS lspools list ...

  5. Mysql VARCHAR(X) vs TEXT

    一般情况下,我们不太会纠结用Varchar或text数据类型. 比如说,我们要存储邮箱,我们自然会用varchar,不会想到用text.而当我们要存储一段话的时候,选了text,感觉varchar也够 ...

  6. 使用 Grafana、collectd 和 InfluxDB 打造现代监控系统

    想打造 New Relic 那样漂亮的实时监控系统我们只需要 InfluxDB/collectd/Grafana 这三个工具,这三个工具的关系是这样的: 采集数据(collectd)-> 存储数 ...

  7. AFNetworking 3.0+ 启用完整、严格的https证书较验参考代码

    // 1.初始化单例类      AFHTTPSessionManager *manager = [AFHTTPSessionManager manager];     manager.securit ...

  8. SPARK支持的常见文件格式

    SequenceFile读写文件Scala\java类型对应表

  9. Selenium2学习-038-firefox、webdriver版本不对称问题解决:org.openqa.selenium.firefox.NotConnectedException: Unable to connect to host 127.0.0.1 on port 7055

    今天有个朋友在群里问,为何脚本运行不通过,其脚本操作步骤简单描述如下: 1.启动火狐浏览器 2.打开百度 3.查询框输入关键字 4.点击按钮[百度一下] 脚本挺简单的,其给出的应用报错信息如下所示: ...

  10. Git commit 常见用法

        Git commit git commit 主要是将用户通过git add命令添加到暂存区里的改动给提交到本地的版本库,关于版本库的构成可以查看我先前的笔记. 每次提交我们都会在本地版本库生成 ...