第16讲：热图基础入门——用 pheatmap 与 ComplexHeatmap 解锁多维数据的可视表达！

目录

🔥 为什么我们需要热图？

🔧 一、你的第一张热图：用 pheatmap 快速起步

📦 安装与准备：

🧪 构建一个模拟数据框：

🎨 二、pheatmap 美化秘籍

✅ 1. 改变颜色风格

✅ 2. 添加注释（如样本信息）

✅ 3. 关闭聚类，手动排序

✅ 4. 细节调整建议

🧬 三、进入专业领域：ComplexHeatmap 的强大之处

📦 安装并加载：

🔬 构建复杂热图

🔁 四、当 pheatmap 不够用时，ComplexHeatmap 来救场！

🧠 五、热图的科研应用场景举例

💡 六、热图制作的几点建议

✨ 本讲小结

🚀 下一讲预告

---

🔥 为什么我们需要热图？

热图（Heatmap）是一种极具表达力的可视化工具，常用于表达：

• 多个样本多个变量的变化趋势

• 不同处理组在多个指标上的表现

• 高维度数据的聚类与模式识别

从基因表达矩阵、土壤性质监测到农学处理效果展示，热图无处不在。

---

🔧 一、你的第一张热图：用 pheatmap 快速起步

📦 安装与准备：

install.packages("pheatmap")
library(pheatmap)

🧪 构建一个模拟数据框：

mat <- matrix(rnorm(60, mean = 5, sd = 2), nrow = 6)
rownames(mat) <- paste("Sample", 1:6)
colnames(mat) <- paste("Gene", 1:10)

pheatmap(mat)

这就是你第一张热图啦！默认使用Z-score 归一化颜色映射，展示数据的相对水平。

---

🎨 二、pheatmap 美化秘籍

✅ 1. 改变颜色风格

pheatmap(mat, color = colorRampPalette(c("blue", "white", "red"))(100))

颜色渐变让趋势更加清晰。

✅ 2. 添加注释（如样本信息）

annotation_col <- data.frame(
  Treatment = factor(c("Contro