R用集群绘制热图，但隐藏树状图答案

【问题标题】：R draw heatmap with clusters, but hide dendrogramR用集群绘制热图，但隐藏树状图
【发布时间】：2015-07-05 18:45:21
【问题描述】：

默认情况下，R 的heatmap 将聚集行和列：

mtscaled = as.matrix(scale(mtcars))
heatmap(mtscaled, scale='none')

我可以禁用集群：

heatmap(mtscaled, Colv=NA, Rowv=NA, scale='none')

然后树状图消失：

但现在数据不再聚类了。

我不希望显示树状图，但我仍然希望对行和/或列进行聚类。我该怎么做？

我想要的例子：

【问题讨论】：

帮助关闭以下作为推荐答案 - 如果它解决了您的问题

标签： r plot visualization heatmap

【解决方案1】：

library(gplots)
heatmap.2(mtscaled,dendrogram='none', Rowv=TRUE, Colv=TRUE,trace='none')

Rowv -is TRUE，这意味着树状图是根据行均值计算和重新排序的。

Colv - 列的处理方式应与行相同。

【讨论】：

gplots 无法为 R 3.5.2 加载，因为它无法加载依赖项 caTools，也无法从 CRAN 存储库中获得该依赖项。

【解决方案2】：

pheatmap 有类似的问题，它具有更好的可视化和热图或 heatmap.2。虽然 heatmap.2 是您的解决方案的选择，但这里是 pheatmap 的解决方案，通过提取聚类数据的顺序。

library(pheatmap)
mtscaled = as.matrix(scale(mtcars))
H = pheatmap(mtscaled)

Here is the output of pheatmap

pheatmap(mtscaled[H$tree_row$order,H$tree_col$order],cluster_rows = F,cluster_cols = F)

Here is the output of pheatmap after extracting the order of clusters

【讨论】：

【解决方案3】：

您可以使用pheatmap：

mtscaled <- as.matrix(scale(mtcars))
pheatmap::pheatmap(mtscaled, treeheight_row = 0, treeheight_col = 0)

在此处查看 pheatmap 输出：

【讨论】：

pheatmap 默认集群 (cluster_rows = TRUE, cluster_cols = TRUE)

【解决方案4】：

对于ComplexHeatmap，有去除树状图的函数参数：

library(ComplexHeatmap)
Heatmap(as.matrix(iris[,1:4]), name = "mat", show_column_dend = FALSE, show_row_dend = FALSE)

【讨论】：

【解决方案5】：

使用基本的 R 热图函数做两次树状图。获取第一次运行的输出，它会聚集但必须绘制树状图，然后再次将其输入到热图函数中。这一次，没有聚类，也没有绘制树状图。

#生成带有一点结构的随机对称矩阵，并制作热图

M100s<-matrix(runif(10000),nrow=100)
M100s[2,]<-runif(100,min=0.1,max=0.2)
M100s[4,]<-runif(100,min=0.1,max=0.2)
M100s[6,]<-runif(100,min=0.1,max=0.2)
M100s[99,]<-runif(100,min=0.1,max=0.2)
M100s[37,]<-runif(100,min=0.1,max=0.2)
M100s[lower.tri(M100s)] <- t(M100s)[lower.tri(M100s)]
heatmap(M100s)

#保存输出

OutputH <- heatmap(M100s)

#在没有聚类或树状图的情况下再次运行它

M100c <- M100s
M100c1 <- M100c[,OutputH$rowInd]
M100c2 <- M100c1[OutputH$colInd,]
heatmap(M100c2,Rowv = NA, Colv = NA, labRow = NA, labCol = NA)

【讨论】：

【解决方案6】：

您可以依赖基本 R 结构并考虑以下基于自己构建 hclust 树的方法。

mtscaled = as.matrix(scale(mtcars))
row_order = hclust(dist(mtscaled))$order
column_order = hclust(dist(t(mtscaled)))$order
heatmap(mtscaled[row_order,column_order], Colv=NA, Rowv=NA, scale="none")

无需安装额外的垃圾。

【讨论】：