如何在R语言中建立六边形矩阵热图heatmap可视化

这是一个六边形热图可视化程序，主要用到的知识RColorBrewer，fields,也就是R中的可视化绘图库。

由Kaizong Ye，Weilong Zhang撰写

本文希望SOM的结果以六边形热图可视化。让我向您展示如何在R中创建六边形热图！

您必须根据自组织神经网络（SOM）的结果来创建自己的变量。输入变量 Heatmap_Matrix 变量是一个矩阵，可以作为热图的数字表示。

可下载资源

因此，矩阵具有与SOM映射相同的行数和与SOM映射相同的列数，并且热图中的每个值表示一个六边形的值。

热图的作用主要是2个：1是对实验数据进行质制和差异数据的展现。例如每个小方格表示每个基因，其颜色表示该基因表达量大小，表达量越大颜色越深（红色为上调，绿色为下调）。每行表示每个基因在不同样本中的表达量情况，每列表示每个样品中所有基因的表达量情况。

在文章中，热图通常有两大作用：数据质量控制和直观展示重点研究对象的差异变化情况。

如何使用R软件和ggplot2包可视化相关矩阵。

1. 数据准备

以下示例中mtcars的数据被使用。

1	mydata <- mtcars[, c(1,3,4,5,6,7)]head(mydata)12

输出结果如下：

1	mpg disp hp drat wt qsecMazda RX4 21.0 160 110 3.90 2.620 16.46Mazda RX4 Wag 21.0 160 110 3.90 2.875 17.02Datsun 710 22.8 108 93 3.85 2.320 18.61Hornet 4 Drive 21.4 258 110 3.08 3.215 19.44Hornet Sportabout 18.7 360 175 3.15 3.440 17.02Valiant 18.1 225 105 2.76 3.460 20.221234567

2. 计算相关矩阵

可以使用R语言中的cor()函数创建相关矩阵：

1	cormat <- round(cor(mydata),2)head(cormat)12

输出结果如下：

1	mpg disp hp drat wt qsecmpg 1.00 -0.85 -0.78 0.68 -0.87 0.42disp -0.85 1.00 0.79 -0.71 0.89 -0.43hp -0.78 0.79 1.00 -0.45 0.66 -0.71drat 0.68 -0.71 -0.45 1.00 -0.71 0.09wt -0.87 0.89 0.66 -0.71 1.00 -0.17qsec 0.42 -0.43 -0.71 0.09 -0.17 1.001234567

3. 使用ggplot2创建相关矩阵的热图

使用reshape2包中的melt()函数将数据“融合”：

1	library(reshape2)melted_cormat <- melt(cormat)head(melted_cormat)123

输出结果：

1	Var1 Var2 value1 mpg mpg 1.002 disp mpg -0.853 hp mpg -0.784 drat mpg 0.685 wt mpg -0.876 qsec mpg 0.421234567

ggplot2包中的geom_tile()函数可用于可视化相关矩阵：

1	library(ggplot2)ggplot(data = melted_cormat, aes(x=Var1, y=Var2, fill=value)) + geom_tile()123

输出结果：

默认的绘图很不美观，将在下一节中看到如何更改热图的外观。

这里 [1,1] 将成为左下节点（第一行，第一列），[1,2] 将成为右侧的节点，将成为 [2,1] 第二行中左侧的第一个节点，依此类推。

因此，从视觉上看，顺序从左下到右上，而在矩阵中，则从左上到右下。

您必须根据自组织神经网络（SOM）的结果来创建自己的变量。

热门课程

R语言数据分析挖掘必知必会

面对扑面而来的数据浪潮,包含Google、Facebook等国际企业,都已采用R语言进行数据分析

探索课程 ➜

输入变量 Heatmap_Matrix 变量是一个矩阵，可以作为热图的数字表示。

因此，矩阵具有与SOM映射相同的行数和与SOM映射相同的列数，并且热图中的每个值表示一个六边形的值。这里 [1,1] 将成为左下节点（第一行，第一列），[1,2] 将成为右侧的节点，将成为 [2,1] 第二行中左侧的第一个节点，依此类推。因此，从视觉上看，顺序从左下到右上，而在矩阵中，则从左上到右下。