他好像在玩一种很新的热图图例……

基迪奥-Jt桃

热图作为最常用的可视化图表之一，更加个性化、可定制的呈现是大家关注的重点。

一般热图图例是均匀的：

（左：取对数后图例；右：原始数据图例）

上图是同一个矩阵，根据数据分布定义了四种配色（白→蓝→黄→红）后对应渐变图例的效果。取对数后比较正常，但如果我们使用原始数据绘图，并定义非均匀的配色刻度时，可以看到蓝色部分对应的数据量由于太小（几百）从而无法在图例中展示。

遇到这些情况，我们就需要定制一种能显示不均匀刻度的图例了，如下图：

（调整后：不均匀刻度图例）

下面开始今天的学习，用到ComplexHeatmap包！

1. #相关R包载入：
   
2. library(circlize)
   
3. library(ComplexHeatmap)
   
4. #载入ComplexHeatmap包自带测试数据集：
   
5. ##1930-2001美国各州的麻疹疫苗案例数；
   
6. mat <- readRDS(system.file("extdata", "measles.rds", package = "ComplexHeatmap"))
   
7. mat[1:6,1:6]
   

复制代码

1. #矩阵取对数：
   
2. dt <- log2(mat+1)
   
3. dt[1:6,1:6]
   

复制代码

1. #根据数据区间自定义颜色：
   
2. range(dt)
   

复制代码

1. col <- colorRamp2(c(0, 4, 8, 16), c("white", "#7a97ee", "yellow", "#fc3b01"))
   
2. Heatmap(
   
3. dt,
   
4. col = col,
   
5. rect_gp = gpar(col= "white"), #描边颜色
   
6. cluster_columns = FALSE,#是否对列聚类
   
7. show_column_names = FALSE, #是否显示列名
   
8. cluster_rows = TRUE, #是否对行聚类
   
9. show_row_dend = FALSE, #是都显示行聚类树
   
10. row_names_side = "left",#行名显示方向
    
11. row_names_gp = gpar(fontsize = 8), #行名字号
    
12. name = "log2Cases", #图例名
    
13. )
    

复制代码

取对数只能反应趋势，但假如我们的诉求是用热图展示真实的案例数，并根据所关注的数量级来自定义热图配色：

1. #用热图展示原始数据：
   
2. range(mat)
   

复制代码

1. col <- colorRamp2(c(0, 600, 1000, 100000), c("white", "#0d4be5", "yellow", "#e90304"))
   
2. Heatmap(
   
3. mat,
   
4. col = col,
   
5. rect_gp = gpar(col= "white"),
   
6. cluster_columns = FALSE,
   
7. show_column_names = FALSE,
   
8. cluster_rows = TRUE,
   
9. show_row_dend = FALSE,
   
10. row_names_side = "left",
    
11. row_names_gp = gpar(fontsize = 8),
    
12. name = "Cases",
    
13. )
    

复制代码

此时图例仍然是均匀分布的，无法显示热图中蓝色部分对应的数据大小。

下面使用heatmap_legend_param这个参数来定制图例。

1. #添加非均匀刻度图例：
   
2. Heatmap(
   
3. mat,
   
4. col = col,
   
5. rect_gp = gpar(col= "white"),
   
6. cluster_columns = FALSE,
   
7. show_column_names = FALSE,
   
8. cluster_rows = TRUE,
   
9. show_row_dend = FALSE,
   
10. row_names_side = "left",
    
11. row_names_gp = gpar(fontsize = 8),
    
12. name = "Cases",
    
13. heatmap_legend_param = list(
    
14. at = c(0, 400, 800, 50000, 100000, 150000) #指定图例显示刻度
    
15. )
    
16. )
    

复制代码

此时还是看不到蓝色（对应600），0-800的部分由于数据差异过大都在底部被压缩。不过没关系，我们可以自定义刻度间的相对距离。

1. #自定义图例标签+调整刻度间距离：
   
2. Heatmap(
   
3. mat,
   
4. col = col,
   
5. rect_gp = gpar(col= "white"),
   
6. cluster_columns = FALSE,
   
7. show_column_names = FALSE,
   
8. cluster_rows = TRUE,
   
9. show_row_dend = FALSE,
   
10. row_names_side = "left",
    
11. row_names_gp = gpar(fontsize = 8),
    
12. name = "Cases",
    
13. heatmap_legend_param = list(
    
14. at = c(0, 400, 800, 50000, 100000, 150000),
    
15. labels = c("0", "400", "800", "50k", "100k", "150k"), #指定刻度对应的显示标签
    
16. break_dist = c(1.5, 1.5, 3, 3, 3) #显示刻度间的相对距离
    
17. )
    
18. )
    

复制代码

此时就能将图例和热图对应上啦！蓝色部分对应的Cases一目了然！

刻度连接线的存在为了让分布不均匀的标签之间不会重叠，如果大家不想展示，可以通过拉长图例来增加标签的空间。

1. #图例高度调整：
   
2. Heatmap(
   
3. mat,
   
4. col = col,
   
5. rect_gp = gpar(col= "white"),
   
6. cluster_columns = FALSE,
   
7. show_column_names = FALSE,
   
8. cluster_rows = TRUE,
   
9. show_row_dend = FALSE,
   
10. row_names_side = "left",
    
11. row_names_gp = gpar(fontsize = 8),
    
12. name = "Cases",
    
13. heatmap_legend_param = list(
    
14. at = c(0, 400, 800, 50000, 100000, 150000),
    
15. labels = c("0", "400", "800", "50k", "100k", "150k"),
    
16. break_dist = c(1.5, 1.5, 3, 3, 3),
    
17. legend_height = unit(4.5, "cm") #图例的高度（纵向图例，调整高度；横向图例，调整宽度）
    
18. )
    
19. )
    

复制代码

1. #还可以把图例打横放到热图底部：
   
2. p <- Heatmap(
   
3. mat,
   
4. col = col,
   
5. rect_gp = gpar(col= "white"),
   
6. cluster_columns = FALSE,
   
7. show_column_names = FALSE,
   
8. cluster_rows = TRUE,
   
9. show_row_dend = FALSE,
   
10. row_names_side = "left",
    
11. row_names_gp = gpar(fontsize = 8),
    
12. name = "Cases",
    
13. heatmap_legend_param = list(
    
14. at = c(0, 400, 800, 50000, 100000, 150000),
    
15. labels = c("0", "400", "800", "50k", "100k", "150k"),
    
16. break_dist = c(1.5, 1.5, 3, 3, 3),
    
17. legend_width = unit(8, "cm"), #横向图例记得调整的是宽度
    
18. direction = "horizontal", #图例方向
    
19. title_position = "lefttop" #图例标题位置
    
20. )
    
21. )
    
22. draw(p, heatmap_legend_side = "bottom")
    

复制代码

1. #更换一个配色：
   
2. col2 <- colorRamp2(c(0, 600, 1000, 100000), c("white", "#66be63", "yellow", "#772584"))
   
3. Heatmap(
   
4. mat,
   
5. col = col2,
   
6. rect_gp = gpar(col= "white"),
   
7. cluster_columns = FALSE,
   
8. show_column_names = FALSE,
   
9. cluster_rows = TRUE,
   
10. show_row_dend = FALSE,
    
11. row_names_side = "left",
    
12. row_names_gp = gpar(fontsize = 8),
    
13. name = "Cases",
    
14. heatmap_legend_param = list(
    
15. at = c(0, 400, 800, 50000, 100000, 150000),
    
16. labels = c("0", "400", "800", "50k", "100k", "150k"),
    
17. break_dist = c(1.5, 1.5, 3, 3, 3),
    
18. legend_height = unit(4.5, "cm") #图例的高度
    
19. )
    
20. )
    

复制代码

好啦，今天的分享就到这里！更多个性化热图绘制可戳往期：

个性化热图绘制：
《分享几种热图的画法》
《环形热图的绘制方法》
《多维度数据展示！双边热图了解一下？》

指定热图分组和基因标记：
《个性化热图如此简单？加分组/指定基因标签简直小case！》
《如何为热图添加指定的基因标记？》
《如何提取热图聚类簇中的基因？》

组合型热图绘制：
《如何绘制漂亮的组合热图》
《彩！这般漂亮又个性的热图怎么画》
《如何绘制通路图与热图的组合图？》

参考资料

https://mp.weixin.qq.com/s/vbJYTu-__jHZqT__0-5pgA


*未经许可，不得以任何方式复制或抄袭本篇文章之部分或全部内容。版权所有，侵权必究。


本文作者：基迪奥-喵酱

2012csc

森淼

11月第二十一天

2012csc

森淼

11月最后一天

2012csc