听说你还不会画热图
群众纷纷表示图二是Excel画的，我觉得也是！Excel是生物学家的最爱啊。虽然做生信的人都看不上，最主要是没有记录，不具备可重复性。但现实就是大家都爱Excel。
如果我们在R里打命令fortunes::fortune(59)，你将看到以下的输出：
Let’s not kid ourselves: the most widely used piece of software for statistics
is Excel.
— Brian D. Ripley (‘Statistical Methods Need Software: A View of Statistical Computing’)
Opening lecture RSS 2002, Plymouth (September 2002)
曾经有人问我，用R画热图怎么改颜色，我的回答是无能为力（没说怎么画，我怎么能够知道怎么改）。孔乙己老先生告诉我们回字有四样写法，而R画热图，岂止4种。基于base graphics有stats::heatmap, gplots::heatmap.2，以及多个包实现的heatmap.3。交互式的热图有heatmaply、d3heatmap和iheatmapr等包。
对于R代码无感的话，还有shinyheatmap，直接提供交互式的网页操作界面。
基于grid graphics比较有名的有pheatmap和ComplexHeatmap包，要论复杂性，ComplexHeatmap最厉害，要论简单而且也还比较漂亮，那就pheatmap了。而且基于grid，也是保障了后续的操作，而且现在整个grid的生态最好，各种辅助的包太强大。
比如我这样画一个热图：
d = data.frame(matrix(rnorm(100), ncol=10))
colnames(d) = paste0('t', 1:10)
rownames(d) = paste0('g', 1:10)
library(pheatmap)
pheatmap(d) -> x基本上我们发文章，图都是有多个panel拼起来的，这个pheatmap的输出，就可以用cowplot来拼，比如这里我用ggplot2画个散点图，然后拼在一起。
p = ggplot(d, aes(t1, t2)) + geom_point(size=5)
plot_grid(x$gtable, p, labels=c('A', 'B'))就是这么简单，当然你还可以基于gtable进行操作，修改各种细节。
这里我不得不吐槽一下，很多人认为R有四套画图系统: base、grid、ggplot2、lattice。然后认为ggplot2最牛逼，天天ggplot2打遍天下无敌手一样，这就是没见过世面啊！（严格说lattice和ggplot2不能算图形系统）
试问ggplot2他爹是谁？ggplot2和lattice都是基于grid。现在我们ggplot2出图后各种高级玩法、以及我们自己写ggplot2图层，都是用grid！很多人认为cowplot是拼ggplot2的，plot_grid这个函数名已经说明了一切，它是拼grid的，一切基于grid的图，比如上面的pheatmap和ggplot2，轻松拼在一起。
我能写出ggimage和ggtree包，能够一次解决ggplot2所有字体，都是因为懂一点grid。如果你对R语言的画图系统蒙圈的话，建议你读一下《树变图，图变树？》这一篇文章。
这里并没有否定ggplot2的意思，虽然grid更灵活，能做更多的事情，但ggplot2是我们的最爱，因为ggplot2所实现的语法，是人类友好的，让我们站在更高的角度，可以更加抽象地思考画图。但很多人不会用ggplot2画热图，因为ggplot2对tidy data的要求与热图的matrix是相悖的，我们可视化出来和matrix是对应的，但ggplot2要求我们把matrix，转化成长型的data.frame。虽然有很多热图的实现，但很多人还是想用ggplot2来出图，因为语法简单，用theme好操作细节。
这里简单介绍一下我很多年前写的一个简单的函数。在DOSE包里，我写了一个simplot的函数，这个函数是基于ggplot2的，用于可视化DO语义相似性矩阵，像上面的数据，直接用simplot(d)就可以出图：
默认会打印出数字，在矩阵比较小的时候，还是比较好的，如果你不想打印出来，可以用simplot(d, labs=F)。
我们可以很容易地换配色方案，比如用类似于pheatmap的风格：
library(RColorBrewer)
colorRampPalette(rev(brewer.pal(n = 7,
name = "RdYlBu"))) -> cc
simplot(d) + scale_fill_gradientn(colors=cc(100))再比如图例我们嫌太短了，想拉长一点：
simplot(d) +
scale_fill_gradientn(colors=cc(100)) +
theme(legend.key.height=unit(5, 'line'))有了这个simplot函数，一键出图，然后再用ggplot2改细节，再也不要说不会用ggplot2画热图了。
Citation
G Yu, LG Wang, GR Yan, QY He. DOSE: an R/Bioconductor package for Disease Ontology Semantic and Enrichment analysis. Bioinformatics 2015, 31(4):608-609.