运用 R语言 pheatmap 包绘制热图进阶部分

在EXCEL中整理好样本和物种的注释信息，当然这个需要依据你的具体需求来确定。

在RStudio 中使用 readtable 函数来导入行或列的分组注释信息

注意： data1是pheatmap包基础篇中介绍过使用z-score中心化和标准化的数据；
具体可以参考上一期内容

这是注释颜色，好像不是特别好看，根据自己美感慢慢调节

运用R语言 pheatmap 包绘制热图进阶部分的内容就到这结束了。

打开需要 *** 作的EXCEL表格，点击相关坐标轴，然后通过鼠标右键，选择设置坐标轴格式。
2、在上方，最小值/最大值后面选择固定，并输入合适的数值，然后点击关闭即可。
3、返回EXCEL表格，发现在EXCEL中坐标轴边界最小值、最大值设置完成

前言： 仍然是三代测序数据的分析，宏基因组的文章中经常出现聚类热图和物种丰度图，用来直观地识别与某些疾病或者表型相关的菌群构成。

1读取数据
一共有11个样本，每一个样本的测序reads都经过Nanopore官方的Epi2Me程序鉴定了物种，下表中第一列是被鉴定的菌种，第二列是该样本中每个物种产生的reads数目。

首先导入到R语言中，合并所有样本到一个数据框：

2绘制热图
经过上一步，我们得到了列名为样本，行名为菌种的reads数据框，然后就可以绘制热图，进行聚类分析了：

绘制结果：

3绘制物种丰度图
丰度图，其实就是堆积图，把每个样本的reads数目转换为百分数，然后作图就可以了：

绘制结果：

傻瓜模式开启：
第一步：打开Excel制作一个100个随机数的数据集：
这里使用函数"=RAND()"，通过拉取的方式得到100个随机数集

第二步：选中数据集→格式→条件格式→显示其他格式规则→新建规则
“最低值”调成冷色，“最高值”调成暖色

总结一下：
根据上述可以发现热图可以展现数据的差异性，特别是面对庞大的数据，通过热图可视化，可以直观了解数据的分布情况或者差异情况。其次，在实际分析过程中还可以通过热图发现质量离谱的数据，协助进行质量控制。
END

下节内容：R语言绘制热图(一)：heatmap函数画热图

r语言饼图比例太小可以通过调整饼图的大小或者将比例小的部分合并为其他来解决。根据查询相关公开信息显示，R语言中可以使用ggplot2包中的coordpolar()函数来调整饼图大小，也可以使用forcats包中的fctlump()函数将比例较小的部分合并为其他。

---