funkyheatmap | 用这个包来完美复刻Nature Biotechnology的高颜值神图吧！~

1写在前面

天气开始暖和了☀️，发现旅游的人好多啊！~🥲

不知道自己什么时候能有时间出去看看外面的世界，实在是太忙了。😷

最近用到的有个包感觉很不错，分享给大家，funkyheatmap包。😘

完美可视化数据，包括字符型和数值型。🤩

---

这个包是出自Nature Biotechnology中，文章在这里：👇

Saelens, W., Cannoodt, R., Todorov, H. et al. A comparison of single-cell trajectory inference methods. Nat Biotechnol 37, 547–554 (2019). https://doi.org/10.1038/s41587-019-0071-9 IF: 68.164 Q1 B1 IF: 68.164 Q1

---

---

颜值还是蛮高的，大家学起来啊，可以用来可视化临床信息的baseline、基因的基本信息等等。🥰

2用到的包

rm(list = ls())
library(tidyverse)
library(funkyheatmap)

3示例数据

今天用到的是diamonds数据，非常经典的dataset。😙

dat1 <- diamonds %>% 
  rownames_to_column(., "id") %>% 
  head(20)

DT::datatable(dat1)

4简单可视化

大家直接使用funky_heatmap即可，是不是颜值还不错。😜

funky_heatmap(dat1, 
              column_info = NULL,
              row_info = NULL,
              column_groups = NULL,
              row_groups = NULL,
              palettes = NULL,
              scale_column = T,
              add_abc = T,
              col_annot_offset = 3,
              col_annot_angle = 35,
              removed_entries = NULL,
              expand = c(xmin = 0, xmax = 2, ymin = 0, ymax = 0)
              )

5复杂绘图

我们再复现一下这篇Nature Biotechnology上的图吧，需要用到kableExtra包内的数据。🤩

5.1 加载数据

library(kableExtra)

data("dynbenchmark_data")

---

5.2 查看数据

看一下数据类型吧。😘

dat2 <- dynbenchmark_data$data
dat2[,1:12]

---

5.3 提取列名

数据太大，我们先只提取其中几列进行可视化吧。😷

preview_cols <- c(
  "id",
  "method_source",
  "method_platform",
  "benchmark_overall_norm_correlation",
  "benchmark_overall_norm_featureimp_wcor",
  "benchmark_overall_norm_F1_branches",
  "benchmark_overall_norm_him",
  "benchmark_overall_overall"
)
dat2[,preview_cols]

---

5.4 初步绘图

funky_heatmap(dat2[,preview_cols])

---

5.5 列信息

提取一下列信息，后面会用到。🤒

column_info <- dynbenchmark_data$column_info
column_info

---

5.6 再次可视化

把data都输入进去吧，再画一下图看看，颜值高多啦。😂

funky_heatmap(dat2, column_info = column_info)

---

5.7 列的分组信息

column_groups <- dynbenchmark_data$column_groups
column_groups

---

5.8 行信息

row_info <- dynbenchmark_data$row_info
row_info

---

5.9 行的分组信息

row_groups <- dynbenchmark_data$row_groups
row_groups

---

5.10 分组配色

我们给不同分组配上不同的配色。🤩

palettes <- dynbenchmark_data$palettes
print(palettes)

---

5.11 最终可视化

Perfect！~⭐️

颜值很高，大家都冲啊！~🥳

funky_heatmap(
  data = dat2,
  column_info = column_info,
  column_groups = column_groups,
  row_info = row_info,
  row_groups = row_groups,
  palettes = palettes,
  col_annot_offset = 3.2
)	

---

最后祝大家早日不卷!~

---

点个在看吧各位~ ✐.ɴɪᴄᴇ ᴅᴀʏ 〰

📍 往期精彩

📍 🤩 WGCNA | 值得你深入学习的生信分析方法！~
📍 🤩 ComplexHeatmap | 颜狗写的高颜值热图代码！
📍 🤥 ComplexHeatmap | 你的热图注释还挤在一起看不清吗！？
📍 🤨 Google | 谷歌翻译崩了我们怎么办！？（附完美解决方案）
📍 🤩 scRNA-seq | 吐血整理的单细胞入门教程
📍 🤣 NetworkD3 | 让我们一起画个动态的桑基图吧~
📍 🤩 RColorBrewer | 再多的配色也能轻松搞定！~
📍 🧐 rms | 批量完成你的线性回归
📍 🤩 CMplot | 完美复刻Nature上的曼哈顿图
📍 🤠 Network | 高颜值动态网络可视化工具
📍 🤗 boxjitter | 完美复刻Nature上的高颜值统计图
📍 🤫 linkET | 完美解决ggcor安装失败方案（附教程）
📍 ......

本文由 mdnice 多平台发布