R.package

• heatmap():用于绘制简单热图的函数
• heatmap.2():绘制增强热图的函数
• d3heatmap:用于绘制交互式热图的R包
• ComplexHeatmap:用于绘制、注释和排列复杂热图的R&bioconductor包（非常适用于基因组数据分析）

首先使用ggplot2画简单热图

data <- as.data.frame(matrix(rnorm(9*10),9,10))

rownames(data) <- paste("Gene", 1:9, sep="_")
colnames(data) <- paste("sample", 1:10, sep="_")
library(reshape2)
library(ggplot2)
data$ID <- rownames(data)
data_m <- melt(data, id.vars=c("ID"))
View(data_m)

• data为9行10列的标准正太分布数据。
• 使用paste对行列名简单命名。

• melt函数将data转化为gene-id列，sample-variable列，以及表达值-value列。

  
  
  

p <- ggplot(data_m, aes(x=variable,y=ID)) + 
  xlab("samples") +  theme_classic() + theme(axis.ticks = element_blank(),
                axis.line = element_blank()) + 
  theme(panel.grid.major = element_blank()) + 
  theme(legend.key=element_blank())  +
  theme(axis.text.x=element_text(angle=45,hjust=1, vjust=1)) + 
  theme(legend.position="top") +  
  geom_tile(aes(fill=value)) + 
  scale_fill_gradient2("Expression",
                       low = "green", 
                       high = "red",
                      mid = "black")
p

• theme_classic() + #去掉灰快
• theme(axis.ticks = element_blank(),
  axis.line = element_blank()) + #去掉边框
• xlab('row name') +
  ylab('column name') #更改行名和列名
• scale_x_discrete(labels = 1:10, breaks = 1:10) +
  scale_y_discrete(labels = 1:10, breaks = 1:10) #修改行和列
• scale_fill_gradient2('legend name',
  low = 'blue', high = 'red', mid = 'white') #修改图例名字以及图中颜色

大神Y叔也有画热图的ggplot2讲解，链接：听说你还不会画heatmap
https://guangchuangyu.github.io/cn/2017/09/dose-simplot/