Feynman Technique¹ ，查了相关资料，发现了一个有趣的网站。

总的来说，费曼学习就是：学习——解释——内化——回顾。一家之言，自己的理解。

1. Choose a concept you want to learn about
2. Explain it to a 12 year old
3. Reflect, Refine, and Simplify
4. Organize and Review

近期学的一些绘图东西。

Origin绘制多因子分组柱状图

1 数据源

data("Orange") #R包中的Data frame

2 将数据整理进入Origin

   Tree(A X1)  age(B X2) circumference(C Y2)
1     1  118            30
2     1  484            58
3     1  664            87
4     1 1004           115
5     1 1231           120
6     1 1372           142
7     1 1582           145
8     2  118            33
9     2  484            69
10    2  664           111
11    2 1004           156
12    2 1231           172
13    2 1372           203
14    2 1582           203
15    3  118            30
16    3  484            51
17    3  664            75
18    3 1004           108
19    3 1231           115
20    3 1372           139
21    3 1582           140
22    4  118            32
23    4  484            62
24    4  664           112
25    4 1004           167
26    4 1231           179
27    4 1372           209
28    4 1582           214

3 步骤

绘图-多因子分组柱状图-选择数据列和子组列

4 调整细节

pheatmap绘制热图

1. 加载R包
2. 加载矩阵
3. 绘图并调整参数

# install.packages("pheatmap")
library(pheatmap)

# Data 
set.seed(8)
m <- matrix(rnorm(200), 10, 10)
colnames(m) <- paste("Col", 1:10)
rownames(m) <- paste("Row", 1:10)

# Heat map
pheatmap(m) 

热图的意义是什么？

生物学热图在分子生物学中通常用于表示从DNA微数组中获得的许多基因在一些可比样本（如不同状态的细胞、不同患者的样本）中的表达水平。

实现热图绘制的方法？

R包、Orange、EXCEL、GraphPad Prism、在线工具。

如何美化热图？

pheatmap调整参数。主要是参数的学习。

phearmap实列代码

$$ df1文件展示部分 $$

$$ **df2文件展示** $$

$$ **df3文件展示** $$

代码展示

#设置工作目录
setwd("D:/研毕设/R/j聚类分析/TEST")
#导入pheatmap
library(pheatmap)
#二维矩阵数据
df1 <- read.csv("df1.csv",row.names = 1)
#分组文件1
df2<-read.csv("df2.csv",row.names=1)
#分组文件2
df3<-read.csv("df3.csv",row.names=1)
#颜色列表
cg1_colors <- list(
  Sample <- c(CK <- "#7570B3", T <- "#E7298A", S <- "#66A61E"),
  Class <- c(path1 <- "orange",path2 <- "purple",path3 <- "plum")
)
pheatmap(df1,
         scale = "row", #行归一化
         color = colorRampPalette(c("blue", "white", "red"))(100), #调色3个颜色，100个度
         border=NA, # 边框颜色，NA无
         cluster_rows = TRUE, #行是否聚类
         cluster_cols = TRUE, #列是否聚类
         clustering_distance_rows = "correlation", #表示行距离度量的方法
         clustering_distance_cols = "correlation", #表示列距离度量的方法
         cutree_rows = 3,#基于层次聚类（使用cutree）划分行的簇数（如果未聚集行，则忽略参数）
         cutree_cols = 3,#基于层次聚类（使用cutree）划分列的簇数（如果未聚集行，则忽略参数）
         treeheight_col = 40, #列树高40
         treeheight_row = 40,#行树高40
         legend = TRUE, #逻辑来确定是否应该绘制图例
         legend_breaks = NA, #显示多少个颜色数值段
         legend_labels = NA, #对色度条上对应位置的字符进行修改
         annotation_col = df2, #列标签注释
         annotation_row = df3, #行标签注释
         annotation_colors = cg1_colors, #颜色列表
         show_rownames = T, #显示行名，基因太多了可以F
         angle_col = 315, #旋转度数支持45，90，270，315度
)

• 在read.table上卡了很久，我发誓以后只用read.csv。
• pheatmap使用分组的对应关系要准确。

函数解释

mat # 需要绘制热图的数字矩阵。
color # 表示颜色，赋值渐变颜色调色板colorRampPalette属性，选择"蓝，白，红"渐变，分为100个等级
# 例 color =  colorRampPalette(c("navy", "white", "red"))(100)
kmeans_k # 绘制热图的行聚类数，如果是NA，那么行不会聚类。
breaks  # 设置mat数值范围的数字序列
border_color # 表示热图上单元格边框的颜色，如果不绘制边框，则使用NA
cellwidth # 表示每个单元格的宽度，若选择NA则表示适应窗口
cellheight # 表示每个单元格的高度，若选择NA则表示适应窗口
scale # 表示值均一化的方向，或者按照行或列，或者没有，值可以是"row",  “column” 或者"none"
cluster_rows # 表示进行行的聚类，值可以是FALSE或TRUE
cluster_cols # 表示进行列的聚类，值可以是FALSE或TRUE
clustering_distance_rows # 表示行距离度量的方法
clustering_distance_cols # 表示列距离度量的方法
clustering_method # 表示聚类方法，值可以是hclust的任何一种，
# 如"ward.D",“single”,  “complete”, “average”, “mcquitty”, “median”, “centroid”, “ward.D2”
clustering_callback # 回调函数来修改聚类
cutree_rows # 基于层次聚类（使用cutree）划分行的簇数（如果未聚集行，则忽略参数）
cutree_cols  # 基于层次聚类（使用cutree）划分列的簇数（如果未聚集行，则忽略参数）
treeheight_row # 行的树的高度,
treeheight_col # 列的树的高度
legend # TRUE或者FALSE，表示是否显示图例
legend_breaks # 设置图例的断点，如legend_breaks =  -1:4
legend_labels # legend_breaks对应的标签例：legend_breaks = -1:4, legend_labels = c(“0”,“1e-4”, “1e-3”, “1e-2”, “1e-1”, “1”)
annotation_row # 行的分组信息，需要使用相应的行名称来匹配数据和注释中的行，注意之后颜色设置会考虑离散值还是连续值，格式要求为数据框
annotation_col # 列的分组信息，需要使用相应的列名称来匹配数据和注释中的列，格式要求为数据框
annotation_colors  # 用于手动指定annotation_row和annotation_col  track颜色的列表。
annotation_legend # 是否显示图例的名称。
annotation_names_row # 是否显示行注释的名称。
annotation_names_col # 是否显示列注释的名称。
show_rownames # 是否显示行名
show_colnames # 是否显示列名
main  # 图的名字
fontsize # 图的字体大小
fontsize_row # 行名的字体大小，默认与图的字体大小相同
fontsize_col # 列名的字体大小，默认与图的字体大小相同
angle_col # 列标签的角度，可选择 (0, 45, 90, 270 and 315)
display_numbers # 表示是否将数值显示在热图的格子中，如果这是一个矩阵（与原始矩阵具有相同的尺寸），则显示矩阵的内容而不是原始值。
number_format # 设置显示数值的格式，较常用的有"%.2f"（保留小数点后两位），"%.1e"（科学计数法显示，保留小数点后一位）
number_color # 设置显示内容的颜色
fontsize_number # 设置显示内容的字体大小
labels_row  # 代替行名的自定义标签 
labels_col # 代替列名的自定义标签
filename # 图片保存位置以及文件名
width # 手动设置输出文件的宽度（单位：英寸）
height # 手动设置输出文件的高度（单位：英寸）
silent # 不绘制热图
na_col # 缺失值的颜色