如何在 R 中创建相关热图

热图是一种可视化工具，它可以用来展示两组变量间的相关性，如基因表达量和代谢产物含量之间的关系。

在 R 中，可以使用 heatmap() 函数来创建热图。以下是一个简单的示例：

# 创建一个随机矩阵
set.seed(123)
data <- matrix(rnorm(100), nrow = 10)

# 创建热图
heatmap(data)

运行上述代码将创建一个包含随机数的矩阵，并将其绘制成热图。请注意，此示例仅用于展示如何使用 heatmap() 函数，而不是说明如何构建一个相关的热图。下面将更详细地介绍如何使用 heatmap() 函数创建相关的热图。

准备数据

为了创建相关的热图，需要准备一组包含两个变量的数据集。本文使用的数据集是 mtcars 数据集，它包含了一些汽车的性能参数，例如马力、公路里程等等，可以使用以下代码获取该数据集：

data(mtcars)

然后从数据集中选择两个变量，并将它们的值存储在一个矩阵中。以下代码选择了汽车的排量和加速度为变量，并将它们存储在 data 矩阵中。

data <- as.matrix(mtcars[c("disp", "qsec")])

创建热图

确认数据已准备好后，使用 heatmap() 函数创建热图。以下代码使用默认设置绘制热图，并在行和列上添加标签。

heatmap(data, 
        Rowv = NA,     # 无需对行进行聚类
        Colv = NA,     # 无需对列进行聚类
        col = heat.colors(256),  # 颜色映射
        scale = "column",  # 列标准化
        margins = c(5, 10), # 设置边框宽度
        main = "Heatmap of mtcars disp and qsec")

运行上述代码将输出热图，并且热图中的颜色表示了两个变量之间的相关性。

解读热图

在热图中，每一个单元格表示两个变量之间的相关性。颜色越深，表示两个变量之间的相关性越强。在这个例子中，排量和加速度之间的相关性非常微弱，因为它们之间的单元格颜色非常浅。

小结

本文介绍了如何在 R 中使用 heatmap() 函数创建相关的热图。首先，需要准备一组包含两个变量的数据集，然后使用 heatmap() 函数来绘制热图。最后，我们解读了热图的含义。当然，本文仅为初学者提供了一些基础知识，如果您需要深入了解热图，还需要进一步学习相关的知识。