热图（Heatmap）是数据分析和可视化中展示矩阵数据分布的核心工具，适用于基因表达分析、市场数据对比等场景。本文将基于 R语言的pheatmap包，详细讲解热图绘制全流程，涵盖 基础绘图、参数调优、注释添加、聚类分面 等技巧，并提供 逐行代码注释，新手也能快速掌握。

一、环境准备与数据生成

1.1 安装与加载包

# 安装pheatmap包（首次运行需执行）install.packages("pheatmap")# 加载包library(pheatmap)# 生成模拟数据（20行基因 × 10列样本）set.seed(123)               # 固定随机数，确保结果可重复expr_matrix <- matrix(rnorm(200), nrow = 20, ncol = 10)rownames(expr_matrix) <- paste0("Gene", 1:20)  # 行名为基因编号colnames(expr_matrix) <- paste0("Sample", 1:10) # 列名为样本编号# 查看数据前3行head(expr_matrix[, 1:3])

1.2 数据标准化

# 按行标准化（Z-score归一化，突出基因在不同样本中的表达差异）expr_scaled <- t(scale(t(expr_matrix)))  # 按列标准化：scale(expr_matrix, center=TRUE, scale=TRUE)

二、基础热图绘制

2.1 基础绘图（不聚类）

​​​​​​​

pheatmap(expr_scaled,         main = "基因表达热图（默认参数）",         cluster_rows = FALSE,   #是否对行进行聚类，默认TRUE         cluster_cols = FALSE,   #是否对列进行聚类，默认TRUE          color = colorRampPalette(c("navy", "white", "firebrick3"))(100)) 

2.2基础绘图（默认聚类）

​​​​​​​

pheatmap(expr_scaled,         main = "基因表达热图（默认参数）",         color = colorRampPalette(c("navy", "white", "firebrick3"))(100)) 

2.3 调整聚类方法与距离度量

​​​​​​​

pheatmap(expr_scaled,         clustering_method = "ward.D2",   # 聚类方法改为Ward法         clustering_distance_rows = "correlation",  # 行聚类用Pearson相关系数         treeheight_row = 30,            # 行聚类树高度         treeheight_col = 50)            # 列聚类树高度

三、进阶功能与参数调优

3.1 颜色与单元格调整

​​​​​​​

pheatmap(expr_scaled,         color = colorRampPalette(c("green", "black", "red"))(50), # 绿-黑-红渐变         cellwidth = 15,          # 单元格宽度         cellheight = 10,         # 单元格高度         fontsize = 8,            # 字体大小         border_color = "grey50", # 单元格边框颜色         na_col = "white")        # 缺失值颜色

3.2 添加行列注释

​​​​​​​

# 创建列注释（样本分组：前5列为对照组，后5列为实验组）annotation_col <- data.frame(  Group = factor(rep(c("Control", "Treatment"), each = 5)),  row.names = colnames(expr_scaled))# 创建行注释（基因类型：随机生成）annotation_row <- data.frame(  Type = sample(c("PathwayA", "PathwayB"), 20, replace = TRUE),  row.names = rownames(expr_scaled))# 自定义注释颜色ann_colors <- list(  Group = c(Control = "#1B9E77", Treatment = "#D95F02"), # 分组颜色  Type = c(PathwayA = "#7570B3", PathwayB = "#E7298A")  # 基因类型颜色)# 绘制带注释的热图pheatmap(expr_scaled,         annotation_col = annotation_col,         annotation_row = annotation_row,         annotation_colors = ann_colors,         angle_col = 45)          # 列标签旋转45度

3.3 热图分面与数值显示

​​​​​​​

# 按行聚类结果分3组，按列分2组pheatmap(expr_scaled,         cutree_rows = 3,        # 行分3簇         cutree_cols = 2,        # 列分2簇         gaps_row = c(5, 10),     # 手动添加行分界线         display_numbers = TRUE, # 显示单元格数值         number_format = "%.2f", # 保留两位小数         number_color = "black") 

四、完整代码示例

​​​​​​​

# 加载包与数据生成library(pheatmap)set.seed(123)expr_matrix <- matrix(rnorm(200), 20, 10)rownames(expr_matrix) <- paste0("Gene", 1:20)colnames(expr_matrix) <- paste0("Sample", 1:10)expr_scaled <- t(scale(t(expr_matrix)))  # 按行标准化# 创建注释与颜色annotation_col <- data.frame(  Group = factor(rep(c("Control", "Treatment"), each = 5)),  row.names = colnames(expr_scaled))ann_colors <- list(Group = c(Control = "#1B9E77", Treatment = "#D95F02"))# 绘制热图pheatmap(expr_scaled,         color = colorRampPalette(c("navy", "white", "red"))(100),         annotation_col = annotation_col,         annotation_colors = ann_colors,         cluster_rows = TRUE,         cluster_cols = TRUE,         main = "基因表达热图（完整示例）",         fontsize_row = 8,         cellwidth = 15,         cellheight = 12)

更多精彩内容，欢迎查看：

【R语言】专栏

【科研绘图】专栏