导师组会发飙：你们师妹入组一个月就会了，你们研二就这水平？

本期主角- Correlation Heatmap 。 下面使用R简单实现Correlation Heatmap。

简单Correlation Heatmap

R中ggcorrplot一行代码实现简单Correlation Heatmap

## 18.1_01
# 未经过允许禁止转载！
# @Author  :  公众号:pythonic生物人
# @Desc    :  18.1 简单Correlation heatmap

ggcorrplot(corr_matrix) #一行代码实现简单Correlation heatmap

上面这个图中，格子颜色越趋向蓝色，样本的gene表达相关性越低；格子颜色越趋向红色，样本的gene表达相关性越高。 相关性热图（Correlation Heatmap）用于展示数据集矩形矩阵中行列变量之间的相关性程度，每个格子中的颜色则表示对应变量相关性程度高低。 当然，上面这个图，不够帅，我们可以在上一节的基础上个性化图中数值、轴文本等，使其符合自己审美。

## 18.2_01
# 未经过允许禁止转载！
# @Author  :  公众号:pythonic生物人
# @Desc    :  18.2 个性化Correlation heatmap（数值、文本）

ggcorrplot(
  corr_matrix, # 相关性矩阵
  method = "square", # 使用方格显示
  hc.order = TRUE, # 层次聚类排序，增强高低相关性对比
  lab = TRUE, # 显示相关性数值
  lab_size = 5, # 数值字体大小
  lab_col = "black", # 数值颜色
  colors = c("#0571B0", "white", "#CA0020"), # 使用高对比度颜色主题
  outline.color = "gray30", # 添加深灰色轮廓线，增强单元格边界
  ggtheme = ggplot2::theme_minimal(base_size = 8), # 设置基础字体大小
  tl.cex = 10, # 行/列标签字体大小
  legend.title = "Correlation"# 图例标题
)

换成自己钟爱❤️的配色，

下三角Correlation Heatmap

即只展示上一节图对角线及以下部分，在论文或报告中， 下三角Correlation Heatmap 比上一节完整矩阵更 节省版面 （穷🐶），同时保留全部必要信息，使图表更简洁易读。 这里浅浅的展示一个案例，

## 18.3_01
# 未经过允许禁止转载！
# @Author  :  公众号:pythonic生物人
# @Desc    :  18.3 下三角Correlation heatmap

ggcorrplot(
  corr_matrix, # 相关性矩阵
  type = "lower", # 🔸下三角相关性矩阵
  method = "square", # 使用方格显示
  hc.order = TRUE, # 层次聚类排序，增强高低相关性对比
  lab = TRUE, # 显示相关性数值
  lab_size = 5, # 数值字体大小
  lab_col = "black", # 数值颜色
  colors = c("#0571B0", "white", "#CA0020"), # 颜色主题
  outline.color = "gray30", # 添加深灰色轮廓线，增强单元格边界
  ggtheme = ggplot2::theme_minimal(base_size = 8) # 设置基础字体大小
) 

换成自己钟爱❤️的配色，

上三角Correlation Heatmap

上三角Correlation Heatmap 毫无疑问是上一节的另一半，

## 18.4_01
# 未经过允许禁止转载！
# @Author  :  公众号:pythonic生物人
# @Desc    :  18.4 上三角Correlation heatmap

ggcorrplot(
  corr_matrix, # 相关性矩阵
  type = "upper", # 🔸上三角相关性矩阵
  method = "square", # 使用方格显示
  hc.order = TRUE, # 层次聚类排序，增强高低相关性对比
  lab = TRUE, # 显示相关性数值
  lab_size = 5, # 数值字体大小
  lab_col = "black", # 数值颜色
  colors = c("#0571B0", "white", "#CA0020"), # 使用高对比度颜色主题
  outline.color = "gray30", # 添加深灰色轮廓线，增强单元格边界
  tl.cex = 10# 行/列标签字体大小
) 

换成自己钟爱❤️的配色，

数据

使用“ 1.4.9 gene数据集 ”，

用cor方法简单计算一下相关性。 获取绘图代码+测试数据+数据处理方法+依赖包安装方法， 👇（ 备注： 299 ）