有不少小伙伴在绘制热图时候，绘制的图信息很少，只有名称和相关性值，有时看起来枯燥乏味。小果在这里教大家一个新的方式绘制热图，可以让小伙伴在绘制热图的时候添加自己想要的注释信息，这样一来小伙伴绘制的图片就会让读者看来了清晰明了。快跟着小果取学习吧。
我们平时取绘制热图的时候一般是使用pheatmap专门绘制热图的，这个包可以快速出土，但是却不能修改一些图片中的细节，这个时候就可以使用我们老朋友ggplot2包取实现更多的自定义设置。小果在这里使用自带的mtcars包中的数据，带领大家绘制热图，取添加一些注释的信息，就是在Y轴的标签在最外面。
其实标签显示在最外面原理很简单，就是如图不显示axis.text.y，而是添加的注释那个条添加上axis.text.y。如果有多个，只有外面的显示axis.tsxt,y
下面跟着小果取学习吧：
library(ggplot2)
library(aplot)
library(tidyr)
library(dplyr)
#我们先调用这几个包，小伙伴没有的自行去下载。
p <- scale(mtcars) %>% data.frame()
p$mtxars <- rownames(p)#这里需要把数据调整一下
#这里使用mtcars自带的数据小伙伴根据数据形式自行去设置
#这里小伙伴注意一下，按照实际顺序排列，不进行这一步ggplot默认字母顺序排列，图会乱掉
p$mtxars <- factor(p$mtxars,level = p$mtxars)
#宽表转长表
p1 <- gather(p, 1:11, key=”condition”, value=’expr’)
上述我们把数据已经整理完成了，接下来我们去绘制热图：
#绘制热图
pp1 <- ggplot(p1,aes(condition,mtxars)) +
geom_tile(aes(fill=expr),colour = “white”)+
scale_fill_gradientn(values = seq(0,1,0.2),colours = c(‘#6699CC’,’#FFFF99′,’#CC3333′))+
theme_minimal()+
scale_y_discrete(position=”right”)+
xlab(NULL) + ylab(NULL)+
theme(axis.text.y = element_blank())
#这里把参数调用出来，上述颜色可以了自行调整，
pp2 <- ggplot(p1,aes(condition,mtxars)) +
scale_color_gradientn(values = seq(0,1,0.2),colours = c(‘#6699CC’,’#FFFF99′,’#CC3333′))+
theme_bw()+
geom_point(aes(size=expr,color=expr))+
theme(panel.grid = element_blank(),axis.text.x =element_text(angle =90,hjust =0.5,vjust = 0.5))+
xlab(NULL) + ylab(NULL)+
theme(panel.border = element_rect(fill=NA,color=”black”, size=1, linetype=”solid”),
axis.text.y = element_blank())#
Type_A <- rownames(p) %>% as.data.frame() %>%
mutate(group=rep(c(“A”,”B”,”C”),
times=c(10,10,12))) %>%
mutate(p=””)%>%
ggplot(aes(p,.,fill=group))+
geom_tile() +
scale_y_discrete(position=”right”) +
theme_minimal()+xlab(NULL) + ylab(NULL) +
theme(axis.text.y = element_blank())+
labs(fill = “Type_A”)
Type_B <- rownames(p) %>% as.data.frame() %>%
mutate(group=rep(c(“D”,”E”,”F”),
times=c(6,12,14))) %>%
mutate(p=””)%>%
ggplot(aes(p,.,fill=group))+
geom_tile() +
scale_y_discrete(position=”right”) +
theme_minimal()+xlab(NULL) + ylab(NULL)+
labs(fill = “Type_B”)
#上述对数据集的参数进行调整，设置我们要绘制的组，小伙伴要看清楚，把自己的数据套用进去，下面我们把结果调整好的结果可视化：
pp1 %>%
insert_left(Type_A, width = .05)%>%
insert_left(Type_B,width=.05) #有些小伙伴%>%这里经常会报错，是因为R包dplyr没调用好，使绘制图片的时候找不到要绘制的组，调用不了函数。重新调用一下就可以，或者需要更新一下R包，不要忘记重新打开R。
上述就是对图片的绘制，热图的左侧是一些注释的信息，小伙伴有没有心动，我们还可以啦调整一下热图中的形状，：
下面使用PP2组的数据
pp2 %>%
insert_left(Type_A, width = .05)%>%
insert_left(Type_B,width=.05)
这下就大功告成了，上述图片中有注释的信息，如果有小伙伴其他的如果有其它顺序，排序之后重新设置factor。
就是这一步：
#按照实际顺序排列，不进行这一步ggplot默认字母顺序排列，图会乱掉
p$mtxars <- factor(p$mtxars,level = p$mtxars)
小伙伴有没有心动呢，快去试试自己的数据吧。其实，ggplot2是功能非常强大的包，它可以自定义很多图片中的细节，小伙伴要多多学习，理解代码中的含义，才能绘制出自己想要的图。
只需三分钟！小果教你在绘制的热图添加注释信息！！
有不少小伙伴在绘制热图时候，绘制的图信息很少，只有名称和相关性值，有时看起来枯燥乏味。小果在这里教大家一个新的方式绘制热图，可以让小伙伴在绘制热图的时候添加自己想要的注释信息，这样一来小伙伴绘制的图片就会让读者看来了清晰明了。快跟着小果取学习吧。
我们平时取绘制热图的时候一般是使用pheatmap专门绘制热图的，这个包可以快速出土，但是却不能修改一些图片中的细节，这个时候就可以使用我们老朋友ggplot2包取实现更多的自定义设置。小果在这里使用自带的mtcars包中的数据，带领大家绘制热图，取添加一些注释的信息，就是在Y轴的标签在最外面。
其实标签显示在最外面原理很简单，就是如图不显示axis.text.y，而是添加的注释那个条添加上axis.text.y。如果有多个，只有外面的显示axis.tsxt,y
下面跟着小果取学习吧：
library(ggplot2)
library(aplot)
library(tidyr)
library(dplyr)
#我们先调用这几个包，小伙伴没有的自行去下载。
p <- scale(mtcars) %>% data.frame()
p$mtxars <- rownames(p)#这里需要把数据调整一下
#这里使用mtcars自带的数据小伙伴根据数据形式自行去设置
#这里小伙伴注意一下，按照实际顺序排列，不进行这一步ggplot默认字母顺序排列，图会乱掉
p$mtxars <- factor(p$mtxars,level = p$mtxars)
#宽表转长表
p1 <- gather(p, 1:11, key=”condition”, value=’expr’)
上述我们把数据已经整理完成了，接下来我们去绘制热图：
#绘制热图
pp1 <- ggplot(p1,aes(condition,mtxars)) +
geom_tile(aes(fill=expr),colour = “white”)+
scale_fill_gradientn(values = seq(0,1,0.2),colours = c(‘#6699CC’,’#FFFF99′,’#CC3333′))+
theme_minimal()+
scale_y_discrete(position=”right”)+
xlab(NULL) + ylab(NULL)+
theme(axis.text.y = element_blank())
#这里把参数调用出来，上述颜色可以了自行调整，
pp2 <- ggplot(p1,aes(condition,mtxars)) +
scale_color_gradientn(values = seq(0,1,0.2),colours = c(‘#6699CC’,’#FFFF99′,’#CC3333′))+
theme_bw()+
geom_point(aes(size=expr,color=expr))+
theme(panel.grid = element_blank(),axis.text.x =element_text(angle =90,hjust =0.5,vjust = 0.5))+
xlab(NULL) + ylab(NULL)+
theme(panel.border = element_rect(fill=NA,color=”black”, size=1, linetype=”solid”),
axis.text.y = element_blank())#
Type_A <- rownames(p) %>% as.data.frame() %>%
mutate(group=rep(c(“A”,”B”,”C”),
times=c(10,10,12))) %>%
mutate(p=””)%>%
ggplot(aes(p,.,fill=group))+
geom_tile() +
scale_y_discrete(position=”right”) +
theme_minimal()+xlab(NULL) + ylab(NULL) +
theme(axis.text.y = element_blank())+
labs(fill = “Type_A”)
Type_B <- rownames(p) %>% as.data.frame() %>%
mutate(group=rep(c(“D”,”E”,”F”),
times=c(6,12,14))) %>%
mutate(p=””)%>%
ggplot(aes(p,.,fill=group))+
geom_tile() +
scale_y_discrete(position=”right”) +
theme_minimal()+xlab(NULL) + ylab(NULL)+
labs(fill = “Type_B”)
#上述对数据集的参数进行调整，设置我们要绘制的组，小伙伴要看清楚，把自己的数据套用进去，下面我们把结果调整好的结果可视化：
pp1 %>%
insert_left(Type_A, width = .05)%>%
insert_left(Type_B,width=.05) #有些小伙伴%>%这里经常会报错，是因为R包dplyr没调用好，使绘制图片的时候找不到要绘制的组，调用不了函数。重新调用一下就可以，或者需要更新一下R包，不要忘记重新打开R。
上述就是对图片的绘制，热图的左侧是一些注释的信息，小伙伴有没有心动，我们还可以啦调整一下热图中的形状，：
下面使用PP2组的数据
pp2 %>%
insert_left(Type_A, width = .05)%>%
insert_left(Type_B,width=.05)
这下就大功告成了，上述图片中有注释的信息，如果有小伙伴其他的如果有其它顺序，排序之后重新设置factor。
就是这一步：
#按照实际顺序排列，不进行这一步ggplot默认字母顺序排列，图会乱掉
p$mtxars <- factor(p$mtxars,level = p$mtxars)
小伙伴有没有心动呢，快去试试自己的数据吧。其实，ggplot2是功能非常强大的包，它可以自定义很多图片中的细节，小伙伴要多多学习，理解代码中的含义，才能绘制出自己想要的图。