R语言绘制环状热图实操1

# rm(list=ls())#clear Global Environment# setwd('F:\\RStudio\\RStudio_workPath\\heatmap')#设置工作路径# # #安装包# if(!requireNamespace("BiocManager", quietly = T))# install.packages("BiocManager")# BiocManager::install("ComplexHeatmap", force=TRUE, update=F, ask=F)# install.packages("circlize", destdir="F:/R/install/downloaded_packages")#加载包library(circlize)library(ComplexHeatmap)#读取数据df <- read.table(file="example.txt",sep="\t",header=T,check.names=FALSE,row.names = 1)#常规热图# Heatmap(df)###绘制环形热图#颜色color <- colorRamp2(c(-5, 0, 5), c("blue", "white", "green"))#-5 和 5 之间的值被线性插值以获得相应的颜色,大于 5 的值都映射到green,小于 -5 的值都映射到blue。(自然这些参数可以根据自己需求更改,也支持16进制颜色编码字符串)circos.clear()circos.par(gap.after = c(30))#调整圆环首位间距;值越大,缺口越大,方便用于显示列名。circos.heatmap(df, #数据 col = color,#颜色 dend.side = "inside",#确定聚类结果放在圈内(inside)还是圈外(outside) rownames.side = "outside",#行名,经实测,与上面那个参数必须相反。即如果上面为outside,这行必须为inside track.height = 0.3,#热图的高度/厚度,值越大,热图越厚。 dend.track.height = 0.2,#控制树状图的高度,值越大,树状图越高。 # clustering.method = "complete",#归一化处理 # distance.method = "euclidean"#聚类方法,默认为欧氏距离)#添加一个新的环状热图# color2=colorRamp2(c(-5, 0, 5), c("green", "white", "red"))# circos.heatmap(df, col = color2,rownames.side = "inside")#添加列名circos.track(track.index = get.current.track.index(), panel.fun = function(x, y) { if(CELL_META$sector.numeric.index == 1) { A = length(colnames(df)) circos.text(rep(CELL_META$cell.xlim[2], A) + convert_x(0.2, "mm"), #x坐标,经实测,这个0.2值越大,列名离边缘越远。 28+(1:A)*3.5,#y坐标和间距,经实测,调整这个3.5基本可以达到目的(3.5越大,列名越靠上。自然可以为整数) # 1:n - convert_y(0.5, "mm"),#y坐标 colnames(df), #标签,即要展示的列名 cex = 0.5, #列名的大小 adj = c(0, 1), facing = "inside", #,inside, outside, clockwise, reverse.clockwise, downward, bending.inside 和 bending.outside ) }}, bg.border = NA)##列名的标签位置需要耐心调整参数以到合适的位置,当然也可以导出PDF在AI中进行添加及位置调整#添加图例grid.draw(Legend(title = "Title", col_fun = color))circos.clear()#清除参数,如果前面需要调整参数,必须先执行此命令,否则绘制的新图会和之前的图重叠在一起# #参考资料:https://jokergoo.github.io/circlize_book/book/# ??circos.heatmap# circos.heatmap(mat, split = NULL, col, na.col = "grey",# cell.border = NA, cell.lty = 1, cell.lwd = 1,# bg.border = NA, bg.lty = par("lty"), bg.lwd = par("lwd"),# ignore.white = is.na(cell.border),# cluster = TRUE, clustering.method = "complete", distance.method = "euclidean",# dend.callback = function(dend, m, si) reorder(dend, rowMeans(m)),# dend.side = c("none", "outside", "inside"), dend.track.height = 0.1,# rownames.side = c("none", "outside", "inside"), rownames.cex = 0.5,# rownames.font = par("font"), rownames.col = "black",# show.sector.labels = FALSE, cell_width = rep(1, nrow(mat)), ...)

参考:https://www.jianshu.com/p/f5c2faf11b9a

没想到微信公众号复制粘贴过来的不自动换行。。。下次注意。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,884评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,347评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,435评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,509评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,611评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,837评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,987评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,730评论 0 267
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,194评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,525评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,664评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,334评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,944评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,764评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,997评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,389评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,554评论 2 349

推荐阅读更多精彩内容