使用 ggplot2 在 R 中创建热图

热图将数据帧的两个属性之间的关系描述为颜色编码的图块。热图生成具有数据帧多个属性的网格，表示一次获取的两个属性之间的关系。

使用的数据集：畅销书

让我们首先创建一个相关矩阵来理解不同属性之间的关系，因为使用了这个 cor()函数。

Syntax: cor(dataframe)

注意：当数据帧由数值以外的值组成时，此函数失败，因此我们还将使用 sapply() 方法。

例子：

R

df <- read.csv("bestsellers.csv")
 
cor(df[sapply(df, is.numeric)])

输出：

现在我们有了一个相关矩阵，我们必须以一种可以创建热图的形式将它融化。使用 reshape2 库的这个melt()函数。

R 编程中的熔解是为了组织数据。它使用melt()函数，该函数采用必须保持不变的数据集和列值。使用melt() ，数据帧被转换成长格式并拉伸数据帧。

Syntax: melt(data, na.rm = FALSE, value.name = “value”)

Parameters:

• data: represents dataset that has to be reshaped
• na.rm: if TRUE, removes NA values from dataset
• value.name: represents name of variable used to store values

例子：

电阻

library(ggplot2)
library(reshape2)
 
df <- read.csv("bestsellers.csv")
 
data <- cor(df[sapply(df,is.numeric)])
 
data1 <- melt(data)
 
head(data1)

输出：

为了使用如此产生的融合数据创建热图，我们使用 ggplot2 库的 geom_tile()函数。它主要用于创建热图。

Syntax: geom_tile(x,y,fill)

Parameter:

• x: position on x-axis
• y: position on y-axis
• fill: numeric values that will be translated to colors

对于此函数，融合数据帧的 Var1 和 Var2 分别传递给 x 和 y。这些表示一次取两个属性之间的关系。提供填充参数，因为它将用于根据某个数值对图块进行颜色编码。

例子：

电阻

library(ggplot2)
library(reshape2)
 
df <- read.csv("bestsellers.csv")
 
data <- cor(df[sapply(df,is.numeric)])
 
data1 <- melt(data)
 
ggplot(data1, aes(x = Var1,
                  y = Var2,
                  fill = value))+geom_tile()

输出：

改变颜色：

可以使用三个函数更改绘图的颜色：

• scale_fill_gradient()：为绘图添加极端颜色。

Syntax:

scale_fill_gradient(high, low)

Parameter:

• low: color to highlight smaller values
• high: color to highlight bigger values

电阻

library(ggplot2)
library(reshape2)
 
df<-read.csv("bestsellers.csv")
 
data<-cor(df[sapply(df,is.numeric)])
 
data1<-melt(data)
 
ggplot(data1,aes(x = Var1, y = Var2, fill = value))+
geom_tile()+scale_fill_gradient(high = "green", low = "white")

输出：

• scale_fill_distiller()：用于根据 ColorBrewer 调色板进行自定义。

Syntax: scale_fill_distiller(palette)

电阻

library(ggplot2)
library(reshape2)
 
df<-read.csv("bestsellers.csv")
 
data<-cor(df[sapply(df, is.numeric)])
 
data1<-melt(data)
 
ggplot(data1,aes(x = Var1, y = Var2,fill = value))+
geom_tile() + scale_fill_distiller(palette = "Spectral")

输出：

• scale_fill_viridis():使用 viridis。在此函数，离散设置为 FALSE。

Syntax: scale_fill_viridis(discrete)

电阻

library(ggplot2)
library(reshape2)
library(viridis)
 
df<-read.csv("bestsellers.csv")
 
data<-cor(df[sapply(df,is.numeric)])
 
data1<-melt(data)
 
ggplot(data1, aes(x = Var1, y = Var2, fill = value))+
geom_tile() + scale_fill_viridis(discrete = FALSE)

输出：

对行进行排序：

可以通过重新排序其 y 元素来重新排序热图。这可以通过 reorder() 来完成。

Syntax: reorder(y_value,value)

Where, Value is the element to reorder by.

电阻

library(ggplot2)
library(reshape2)
 
df<-read.csv("bestsellers.csv")
 
data<-cor(df[sapply(df,is.numeric)])
 
data1<-melt(data)
 
ggplot(data1,aes(x = Var1, y = reorder(Var2, value),
                 fill = value)) + geom_tile()

输出：

添加标题：

可以将标题添加到热图中以使其具有描述性。可以通过使用 ggtitle() 来完成。

Syntax: ggtitle(“title”)

电阻

library(ggplot2)
library(reshape2)
 
df<-read.csv("bestsellers.csv")
 
data<-cor(df[sapply(df,is.numeric)])
 
data1<-melt(data)
 
ggplot(data1, aes(x = Var1, y = Var2, fill = value))+
geom_tile()+ggtitle("Bestsellers")

输出：

去除标签：

也可以删除热图的标签以仅显示它所代表的相应值。如果我们删除标签，保持刻度线是没有意义的。我们可以使用 theme()函数axis.ticks 和axis.text 的属性并将它们设置为element_blank()。

Syntax: theme(axis.ticks = element_blank(), axis.text = element_blank())

电阻

library(ggplot2)
library(reshape2)
 
df<-read.csv("bestsellers.csv")
 
data<-cor(df[sapply(df,is.numeric)])
 
data1<-melt(data)
 
ggplot(data1,aes(x=Var1,y=Var2,fill=value))+geom_tile()+
  theme(axis.ticks = element_blank(),
        axis.text = element_blank())

输出：