R语言 Pheatmap 画非聚类 热图

python pandas 加 R Pheatmap 画非聚类热图

最近需求一个需求图
f9cb530a4fb553c2f42fd8f157cd451.png

上面的annotation部分用作临床注释,下面显示Gene 出现的频次。不多说直接上代码。

#Encoding:utf8
library(pheatmap) 
file <- "C:/Users/qy/Desktop/data2.csv"
file2 = "C:/Users/qy/Desktop/data4.csv"

首先导入数据文件
数据文件分为两个部分,我是用python pandas 包处理的数据
因为比较快
data2 是一个用pandas onehot处理过的一组数据


image.png

data4


image.png
data <- read.table(file,header=T,sep=",",row.names = 1)
annotation_col = read.table(file2,header=T,sep=",",row.names = 1)

read.table吧数据处理成dataframe格式
annotation_col 是顶部的annotation 内容,列名为annotation的标签

Treatment.regimen = c("red","blue","green","#4D4D4D","darkgreen")
Primary.tumour.site = c("#ADFF2F","#7A67EE","#575757","#8E388E")
names(Primary.tumour.site) = c("Rectum","Right side colon","Left side colon","Concurrent left and Right side colon")
names(Treatment.regimen) <- c("FOLFOX","FOLFIRI","FOLFOX+Bevacizumab","FOLFOX+Cetuximab","FOLFIRI+Cetuximab")
Age = c("#EEC591", "#EEAD0E","green","#EE0000")
names(Age)=c("<55","55-65","66-75",">76")

因为标签中含有一些空格等特殊字符,如果要修改颜色必须用names 定义 变量 Primary.tumour.site Treatment.regimen
然后定义annotation的colors

ann_colors = list(Age = Age,
                  Gender = c(F="#A6A6A6",M="#FFFF00"),
                  Primary.tumour.site = Primary.tumour.site,
                  Primary.tumour.resected = c(Y="#DEB887",N="#912CEE"),
                  #Synchronous.metachronous = c(Synchronous="red",Metachronous="#48D1CC",Early.metachronous="#551A8B"),
                  No..of.metastatic.sites = c("white","#9AFF9A","#7A67EE","green"),
                  Treatment.regimen = Treatment.regimen)

最后生成图片

pheatmap(data,annotation_col= annotation_col,cellwidth = 25, cellheight = 35,cluster_row = FALSE,color = c("#F2F2F2", "green", "blue", "cyan", "brown"),annotation_colors = ann_colors,fontsize_row=8,fontsize_col=11,show_colnames=T,legend=T,cluster_col = FALSE,legend_labels = c("NA","0.5-20","20-40","40-60","60-80"),legend_breaks=c(0.4,1.2,2,2.8,3.6),filename = "C:/Users/qy/Desktop/HERT.pdf",angle_col = "45")

图呢不上传了下面贴一张类似的图


Rplot.png

这是这幅图的代码
这里主要是修改标签名字

Var1 <- c("navy", "darkgreen")
names(Var1) <- c("Exp1", "Exp2")
重定义标签颜色

library(pheatmap)
# Generate some data
test = matrix(rnorm(200), 20, 10)
test[1:10, seq(1, 10, 2)] = test[1:10, seq(1, 10, 2)] + 3
test[11:20, seq(2, 10, 2)] = test[11:20, seq(2, 10, 2)] + 2
test[15:20, seq(2, 10, 2)] = test[15:20, seq(2, 10, 2)] + 4
colnames(test) = paste("Test", 1:10, sep = "")
rownames(test) = paste("Gene", 1:20, sep = "")
# original figure
pheatmap(test)
# Add annotation as described above, and change the name of annotation
annotation <- data.frame(Var1 = factor(1:10 %% 2 == 0, labels = c("Exp1", "Exp2")))
rownames(annotation) <- colnames(test) # check out the row names of annotation
pheatmap(test, annotation = annotation)
# change the color of annotation to what you want: (eg: "navy", "darkgreen")
Var1        <- c("navy", "darkgreen")
names(Var1) <- c("Exp1", "Exp2")
anno_colors <- list(Var1 = Var1)
pheatmap(test, annotation = annotation, annotation_colors = anno_colors)
©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 217,185评论 6 503
  • 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 92,652评论 3 393
  • 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 163,524评论 0 353
  • 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 58,339评论 1 293
  • 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 67,387评论 6 391
  • 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 51,287评论 1 301
  • 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 40,130评论 3 418
  • 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 38,985评论 0 275
  • 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 45,420评论 1 313
  • 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 37,617评论 3 334
  • 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 39,779评论 1 348
  • 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 35,477评论 5 345
  • 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 41,088评论 3 328
  • 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 31,716评论 0 22
  • 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 32,857评论 1 269
  • 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 47,876评论 2 370
  • 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 44,700评论 2 354

推荐阅读更多精彩内容

  • Python教程 Python 教程Python 简介Python 环境搭建Python 中文编码Python 基...
    茶茶点阅读 1,051评论 0 5
  • # Python 资源大全中文版 我想很多程序员应该记得 GitHub 上有一个 Awesome - XXX 系列...
    小迈克阅读 2,985评论 1 3
  • 常用库: fuzzywuzzy,字符串模糊匹配。 esmre,正则表达式的加速器。 Chardet字符编码探测器,...
    AlastairYuan阅读 2,286评论 0 43
  • 数据分析入门 数据分析入门常见问题汇总 Python初学者们 - Anaconda入门使用指南 Python学习利...
    amoyyean阅读 6,055评论 7 61
  • 秦墨从梦中惊醒,翻身下床。穿好衣服后就直奔以前读书的初中。好不容易和门卫说好了就进去看看当年读书时的教室,到...
    贺微来阅读 178评论 0 0